提示与技巧

充分发挥 DijiFlow Dictate 的实力

几处小小的调整,就能让准确度、速度和使用体验大不一样。下面是我们最推荐的几种方法,帮您根据自己的声音、语言和电脑来调校这款应用。

麦克风对效果的影响,比应用里任何一项设置都大。夹在衬衫或衣领上的领夹式麦克风,是提升准确度最便宜、也最见效的升级之一。它离嘴很近,走动时距离保持稳定,还能挡掉很多会干扰笔记本内置麦克风的环境噪音。

简单来说:只要外接麦克风比笔记本内置麦克风离嘴更近,效果几乎都会明显变好。

静音阈值让 DijiFlow 分辨您是在说话还是只有背景噪音。根据您所在的房间把它调准,就能避免大多数漏词和误触发。用内置的麦克风测试来调到合适的位置。

  1. 1 打开“设置”,点击“测试麦克风”。
  2. 2 正常说话,同时观察电平表:说话时,指示应大致落在电平表的中间到右侧之间。
  3. 3 然后保持安静:电平应当下降,并停留在白线以下。白线该放在哪里,取决于房间有多吵。
  4. 4 拖动静音阈值滑块,把白线上下移动。这条白线就是您的静音阈值,低于它的声音都会被当作静音。
  5. 5 拖动“麦克风灵敏度”,调整您的声音在电平表上的高度,让说话声稳稳越过白线。

目标是拉开明显的差距:说话时远高于白线,安静时远低于白线。每次换房间或换麦克风后,都重新检查一下。

DijiFlow 可以学习您专用的词语,比如人名、行话和品牌名,并自动纠正。这一步在转录之后进行,只会让结果更准确,绝不会干扰模型实际听到的内容。

  1. 1 打开“词汇表”选项卡。
  2. 2 勾选与您相关的领域,加载对应的词汇包。
  3. 3 添加您自己的自定义术语:同事的名字、公司名、产品名,以及任何您常说的词。
  4. 4 如果应用总是听错某个词,就把正确写法加到自定义术语里,之后它就会识别正确。

把自定义术语当成一份持续更新的清单:每出现一次错误,就加上正确的写法,这个错误便不会再出现。

在“高级”模式下,由你自己选择模型:听写在每张语言卡片上选,文件在“文件转录”选项卡中选。模型越大越准确,但速度更慢,占用的内存也更多。

  1. 1 Express 适合大多数语言:准确度接近大型,速度明显更快。
  2. 2 快速是最快的,适用于英语和许多欧洲语言(不用于字幕),错误比大型略多。
  3. 3 大型在任何语言中都最细致,占用的内存也最多。
  4. 4 星级表示每个模型在该语言中的准确度;使用试用版或 Pro 时,每张语言卡片上还会标出听写的推荐模型。拿不准时,保留它即可。

如果较大的模型用起来卡顿,就降一个档:真正会用的快模型,胜过总被你回避的准模型。

“按住说话”应该毫不费力,不假思索就能按住。最好的快捷键是手指本来就放在附近的那个键,您甚至可以把它完全移到键盘之外。

  1. 1 值得一试的键盘组合:Ctrl+Space、Alt+Space 或 Shift+Space(尤其适合 Windows)。
  2. 2 在 Mac 上,Cmd+Space 已被 Spotlight 占用:您可以在“系统设置 › 键盘 › 键盘快捷键 › Spotlight”中给 Spotlight 换一个快捷键,再使用 Cmd+Space;或者直接使用 Shift+Space 或 Ctrl+Space。
  3. 3 进阶用法:把“按住说话”和 Enter/换行绑定到鼠标的后退键和前进键,例如 Shift+后退 用来换行,Shift+前进 用来按 Enter(也可以直接在鼠标驱动软件里绑定)。

设置好鼠标绑定后,几乎只用鼠标就能听写,完全不需要键盘。在 Windows 上使用鼠标厂商的工具;在 Mac 上,用游戏鼠标常用的那类按键映射工具效果就很好。

语音识别的效果,取决于传到麦克风里的声音。风扇直吹麦克风、房间里人多嘈杂、旁边在放音乐,都会拉低准确度,而且影响往往比想象的更大。

如果无法避开噪声,请让麦克风靠近一些,并使用“按住说话”,这样 DijiFlow 只在你按住按键时才收音。

在 Windows 应用中,电脑的内存或显存(VRAM)不够用时,就该打开动态内存优化。它会在您切换时加载和卸载模型,任何时候都只有一个模型处于活动状态,让配置较低的电脑也能保持流畅。在 Mac 上,内存不足时 DijiFlow 会自动释放内存。

  1. 1 如果模型运行很慢,或者电脑内存吃紧,就在“设置”中打开“动态内存优化”。
  2. 2 此后,DijiFlow 只会把您正在使用的模型留在内存中,切换时会卸载其他模型。

提示:内存吃紧时,同时进行文件转录和实时听写会变慢;只要内存或显存足够,就会非常流畅。

如果您的电脑配置有富余(内存 16 GB 或以上),就可以同时加载两个模型,用不同的快捷键随时切换。这是资深用户提升效率最有效的做法之一。

  1. 1 会说两种语言?把英语绑定到一个快捷键,把另一种语言绑定到第二个快捷键,无需改动设置就能切换语言。
  2. 2 只用一种语言?在“高级”模式下,为同一种语言再添加一张卡片并选择另一个模型:快速听写用快的,能稍等片刻时用更准的。
  3. 3 想混用多种语言?在“设置”选项卡中选择“排队”(默认选项)后,第一段录音还在转录时,就可以用另一种语言的快捷键接着录音,两段内容会按顺序粘贴。

当您用一种语言写邮件,同时用另一种语言聊天或写代码时,这个用法尤其好用,全部在同一个会话中完成,不用来回折腾。

转录会议时,准确度比速度更重要,所以请选用您能用的最准确的模型,哪怕慢一些。请记住,自动转录和说话人识别不可能 100% 完美,单靠它们未必能把整场会议记录得干干净净。窍门是把文字稿交给大型 AI 模型,让它整理成真正有用的内容。

  1. 1 用您手头最好的模型,开启“识别说话人”来转录会议。
  2. 2 如果您知道有几个人发言,就设置“说话人数量”,识别会准确得多(参见“设置说话人数量”这一条)。
  3. 3 把转录好的文本粘贴到大型 AI 模型中(ChatGPT、Gemini、Claude、DeepSeek 或 Kimi),并使用下面现成的提示词,得到一份干净、完整的总结。
可直接粘贴的会议提示词
请帮我把一段原始会议录音整理成真正能用的内容。

下面是一份根据音频或视频自动生成的文字稿,包含自动识别的说话人。阅读时请注意两点:
- 说话人标签(“Speaker 1”“Speaker 2”等)和个别词语可能有误。如果某个标签或词语明显与对话语境不符,请以语境为准,直接更正,无需说明。
- 你通常很擅长从对话本身判断谁是谁,所以能推断出人名的地方请直接推断。

可选:如果我已经知道谁是谁,会在这里注明(不清楚就留空):
- Speaker 1 =
- Speaker 2 =
- Speaker 3 =

请通读整份文字稿,按以下几个部分给我一份清晰、条理分明的总结:
1. 概述:用两三句话说明会议的主题和总体结果。
2. 主要讨论内容:把主要话题按逻辑归类,在每一类下列出重要细节。
3. 决定事项:实际达成一致的内容(如果清楚,也写明由谁决定)。
4. 待办事项:按人分组,写明各自负责什么,以及提到的截止时间。
5. 障碍与风险:提出的任何问题、依赖或顾虑。
6. 待定问题:尚未解决或需要跟进的事项。

请写得简洁、便于快速浏览。多用简短的要点,少用长段落。如果文字稿中有不清楚或缺失的内容,请直接说明,不要猜测。

文字稿:
[在此粘贴文字稿]

顺便一提:文件在后台转录时,您仍可以在其他应用中继续听写。

DijiFlow 不只能转录您自己的声音:拖进来的任何视频或音频文件,它都能转录,还附带说话人识别。演讲、访谈或讲座,都能轻松变成文字。

  1. 1 用任意一款在线 YouTube 下载工具把视频下载下来。
  2. 2 把下载好的视频文件拖进 DijiFlow,剩下的交给它。

同样的拖放操作适用于任何本地音频或视频文件,不限于 YouTube。

在 Windows 上,用 NVIDIA 或 AMD 显卡转录比用处理器快得多。请确认 DijiFlow 确实在使用它。

  1. 1 打开“GPU”选项卡。
  2. 2 确认已选择您的 NVIDIA 或 AMD 显卡,并显示为正常工作。

转录多人参与的会议或文件时,说话人识别需要猜测有几个不同的声音。事先告诉它人数,能帮上大忙。

如果你确切知道录音里有几个人说话,请在转录前到“高级”模式下的“文件转录”选项卡中设置这个人数:说话人识别不必猜测时会准确得多。