语音转写流水线：从音频切片到可检索文本

语音转写不只是把音频丢给模型。真实系统还要处理文件大小、长音频切片、噪声、时间戳、人工校对和后续检索。OpenAI 音频文档提供了语音转文本和音频相关能力说明。[stt-001]

转写前先处理音频

常见步骤：

好的转写结果应该能回到原始音频时间点，而不是只有一大段文本。

概念片段：

{
  "segment": 12,
  "start_ms": 180000,
  "end_ms": 195000,
  "text": "这里开始讨论 RAG 评估。"
}

转写文本可以继续做摘要、关键词、章节标题和向量索引。但要保留时间戳，这样用户点击搜索结果时能跳回音频位置。

综合音频和检索资料可以推断：语音知识库的核心不是转写一次，而是让音频、文本和检索结果互相定位。