我外婆说一口地道的四川话，前阵子表妹录了她讲年轻时候的事，十几分钟，想整理成文字留给家里人。拿普通的转写工具一试，出来的字一半对不上。方言视频转文字能做，但要选对识别档位，不同来源的视频能走的路也不一样。下面按「短视频平台上的方言视频」「手机里的本地方言录像」「外语视频」三种情况讲，最后说说转出来以后怎么校对。
（官方说明）提词匠有 iPhone、安卓 App 和微信小程序三个入口，同一个微信账号登录，积分和会员三端互通。
方言视频转文字，先看视频在哪
同样是方言素材，放在哪里决定了能用什么办法：
- 已经发在抖音、快手、小红书、B站上的：比如自己账号发过的家乡话视频，或者拿到作者授权的作品，可以复制分享链接去转。
- 只在手机相册、电脑里的：像表妹录的那段，没发到任何平台，只能上传文件。
- 素材是外语：日语教程、英文采访，和方言的处理思路差不多，都要换识别档。
以提词匠为例，第一种情况能确认支持方言识别，第二种目前没法确认，下面分开说。
短视频链接：在提词匠里选「方言·多语种」
提词匠有 iPhone App、安卓 App 和微信小程序，用同一个微信账号登录，积分三端通用。方言识别要在「短视频转文字」这个页面做，也就是首页顶部那张粘贴链接的卡片。
第 1 步：粘贴链接，切换识别语言
在短视频平台点「分享」，复制链接，回到提词匠首页点「开始提取」，在输入框里点「粘贴」。下面的「识别语言」有两档：
- 中英：默认档，按中文普通话和英文识别，1 积分 / 分钟；
- 方言·多语种：能识别四川话、粤语、闽南语、东北话这类方言，也能识别日语、韩语、法语等外语，5 积分 / 分钟。
方言素材一定要切到「方言·多语种」。用默认的中英档去转四川话，会被硬套成普通话的同音字，读起来像乱码，钱花了还得重来。
这一档做的就是多语种识别，有三点要知道：它会自己判断说的是哪种方言或外语，不能手动指定；输出的是原话转成的文字，不做翻译，粤语视频出来的是粤语用字，日语视频出来的是日文；页面上列了 22 种方言和 25 种外语，可以点「查看」展开看看自己的方言在不在里面。
第 2 步：等转写完成
点「立即转换」后会弹出进度框。视频短的话一两分钟就好，长一点可以点「后台转换」，去干别的，回头在底部「记录」页看结果。
第 3 步：在结果页复制或导出
转完进入结果页，文字可以一键复制，也可以点「保存文件」存成 TXT 或 Word。结果页上能直接改字，但页面底部写着「可编辑，但不会保存修改」，要认真校对的话先导出，在 Word 里改。
算一下费用：一段 8 分钟的方言视频，走方言·多语种档是 40 积分，走中英档是 8 积分。差价不小，所以普通话素材就别选贵的那档。
为什么用普通话档转方言会乱
识别模型是按它学过的发音去找对应的字。普通话档听到四川话的「鞋子」（hai子），会按普通话去匹配成「孩子」；听到粤语的「唔该」，可能变成几个毫不相干的字。句子越长、方言词越多，错得越离谱，最后整段读不通。
多语种识别那一档用的是另一套模型，学过各地方言和外语的发音，所以方言视频转文字时同一段素材的效果会差很多。它也不是万能的：口音特别重、夹杂很多土话、背景很吵的视频，照样会有不少错字，后面校对那一节会说重点看哪里。
手机里的本地方言录像怎么办
这是我外婆那段视频的情况，也是很多人真正遇到的情况。说实话：在提词匠里，现在能确认支持方言的只有粘贴短视频链接这一条路，上传本地视频、录音能不能选方言档，目前没法确认。
所以手机里本地的方言视频转文字，我建议按下面的顺序试：
- 先用默认档转一小段试试：剪出一两分钟上传，看看效果。口音不太重、夹着普通话的素材，默认档有时也能出个大概，再手动改。纯方言、语速快的，大概率不理想。
- 换支持方言的转写工具：通义听悟的官方文档写着支持中、英、粤、日等语种，粤语素材可以试试；其他专业转写服务也有方言选项，具体支持哪些、怎么收费以各家官方为准。
- 电脑上跑开源模型：会一点命令行的话，Whisper 这类开源识别模型支持粤语和多种外语，在自己电脑上跑，不用上传，就是对电脑性能有要求。
- 家里人帮忙听写：方言浓、年纪大的长辈说话，机器常常吃力。让懂方言的家人对着播放，一句句念成普通话，用手机自带的语音输入记下来，十几分钟的视频一个晚上能弄完。
外婆那段，我最后是让表妹把整段先用默认档转一遍打底，她再对着视频改，比从零开始听写快了不少。
外语视频转文字：同一档，但不会帮你翻译
外语视频转文字和方言是同一个档位。在提词匠里粘贴外语短视频的链接，识别语言选「方言·多语种」，同样 5 积分 / 分钟。要注意它只做识别，日语出来还是日语，英语出来还是英语。
想看中文意思，把转出来的文字复制到翻译工具里翻一下。我的习惯是原文和译文都留着，原文用来核对人名、术语，译文用来快速看懂大意。纯英文的素材，其实用默认的中英档就能识别，1 积分 / 分钟，不用选贵的。
方言视频转文字以后，重点校对这几处
多语种识别不提供准确率保证，方言里很多词本来就没有统一的写法，校对时盯住这几类：
- 方言特有的词：像四川话的「巴适」「安逸」，粤语的「咁」「嘅」，机器可能写成同音的普通话字，要按家里的习惯统一；
- 人名、地名：老人讲过去的事，村名、亲戚的小名特别多，识别基本靠猜；
- 数字和年份：「五八年」「八几年」这种说法，要对着视频回听确认；
- 几个人插话的地方：结果是一整段文字，不会标出谁在说话，几个人聊天的视频要自己分段标注。
几个顺带的提醒
- 转写在云端完成，要联网，一次处理一个视频；
- 普通用户单个视频不超过 60 分钟，会员是 120 分钟，更长的先剪成几段；
- 粘贴链接只处理自己的作品或拿到授权的视频，转出的文字用于自己整理、学习，公开发布前问清楚版权；
- 长辈的影像涉及家里的隐私，整理好的文字稿分享前也问一声当事人。
方言视频转文字这件事，工具只能帮你打个底，真正让文字稿有用的是懂方言的人最后过一遍。发在平台上的方言视频，在提词匠里粘贴链接、切到「方言·多语种」就能转；手机里的本地录像，先用默认档试试，不行就换支持方言的工具，或者请家里人帮忙听写。