粤语、四川话这些方言的语音转写，讯飞开放平台的语音识别能力提供了方言支持：选对方言模型、喂对音频，普通话工具转不出来的方言内容也能出文字稿。这是 AI 语音能力落地最接地气的场景之一，方言识别与普通话转写的操作差异集中在两处：模型选择与结果校对。下面按粤语与川渝两个高频场景展开，支持的方言清单与识别能力以讯飞开放平台官方文档为准。
方言识别支持范围先确认
动手前先确认三件事：你的方言在不在支持清单里、支持的形式是独立模型还是口音自适应、有没有调用限制。方言覆盖因服务版本而异，在官方文档的语言支持页能查到完整清单。确认清楚再开始转写，省得拿普通话模型硬跑方言音频，得到一堆错乱的文字稿还以为是平台不行。老录音、电话录音这类音质差的素材，也先确认处理能力，必要时先做音频增强。
粤语场景的上手做法
粤语口音重、词汇自成体系，转写时把握三点：选粤语识别模型而不是普通话模型加口音自适应；音频里粤语与普通话混杂的段落，转写后单独校对交界处，混杂段是错误高发区；专有名词与人名地名提前整理成词表，部分接口支持热词功能，把高频专名喂进去能明显减少错字。粤语的口语语气词多，转写稿若用于字幕，保留语气词更传神；若用于文档，可以让 AI 在校对阶段统一清理。
川渝口音的转写要点
川渝方言与普通话的语音差异相对平滑，多数情况用口音自适应的普通话模型也能出可用的稿子，准确率不理想时再切换到方言专项能力。注意几处高频错位：四川话里的特色词汇容易被转成同音的普通话词，校对时对照上下文还原；语速快的段落容易吞字，可以把音频放慢半倍速重转一遍对照；长录音按说话人分段转写，单人段落的质量通常更稳定。具体支持的识别方式与参数以讯飞开放平台的接口文档为准。
转写结果的校对与导出
方言转写稿必须过一遍人工校对，别直接用。高效的校对法是对照音频快进：边听边看文字稿，重点盯三个位置——数字与金额、人名地名、否定词（「不是」听成「是」这类错误语义完全反转，最危险）。校对完按用途导出：做字幕的带时间戳导出，做文档的清理语气词与口水词后成稿。量大时可以让 AI 先做一遍初步清理，把明显的重复与无意义语气词删掉，人工只校关键信息，校对时间能省一半。
方言音频的采集小习惯
转写质量从录音那一刻就开始定了：离说话人近一点，避免环境嘈杂处录音，手机别隔着桌子远距离收音。采访类内容用两个设备双保险，一个主录一个备份。录音前说一句标准的时间与主题，方便后期对档。这些习惯不花额外时间，却能让方言识别的准确率站在更高的起点上。老磁带、旧录像里的方言音频先做数字化与降噪，再进转写流程。
普通话里夹方言的录音，转写还能准吗？
- 粤语歌和影视剧台词能转写吗？：有伴奏与音效干扰的音频识别率会下降，先分离人声或选择干净音源再转写，效果更好，版权内容注意使用范围。
- 转写稿主要校对哪三类位置？：数字与金额、人名地名、否定词，前两类错字常见，第三类错则语义反转，校对优先级最高。
- 准确率上不去还有哪些办法？：检查音质、换方言专项模型、整理热词三步走完仍不理想，把音频拆短逐段转写定位问题段落，关键内容必要时人工听录。
