音视频与实时转录模型配置
WiseMindAI 提供两类语音识别能力：
- 音视频转录：处理已经存在的音频或视频文件，用于生成字幕、概要和看点。
- 实时转录：接收麦克风的连续声音，用于会议、课堂和访谈的实时逐字稿。
两类能力在「设置 → 模型设置」中分别显示。在线服务商可能需要单独开通文件转写和实时语音识别；FunASR 本地模型则可以在两个入口复用。
使用在线服务 Key 产生的费用，完全由对应模型提供商收取，与 WiseMind AI 无关。
音视频转录模型
| 服务提供商 | 申请地址 | 其他说明 |
|---|---|---|
| 本地 Whisper | 无需申请 | 下载本地 Whisper 模型后使用，适合离线处理 |
| FunASR | 无需申请 | 支持本地音频转写，并与实时转录共用模型 |
| 智谱 AI | 获取 API Key | 支持在线音视频转写 |
| 阿里云百炼 | 获取 API Key | 支持通过百炼音视频模型转写文件 |
| 小米 MiMo | 获取 API Key | 支持 MiMo 音频识别模型 |
| 阶跃星辰 | 获取 API Key | 支持在线音频转写 |
| 火山引擎 | 打开控制台 | 需要按控制台要求开通语音识别服务 |
生成视频字幕、导入录音转写时，请在「音频模型」中选择这类服务。完整视频使用方式可以查看：视频学习。
实时转录模型
| 服务提供商 | 申请地址 | 主要配置 |
|---|---|---|
| FunASR | 无需申请 | 下载或导入本地模型，不需要 API Key |
| 阿里云百炼 | 获取 API Key | API Key、Workspace ID、地域和模型名称 |
| 火山引擎 | 打开控制台 | API Key、资源 ID 和接口地址 |
| 科大讯飞 | 开通实时语音转写 | App ID、AccessKey ID 和 AccessKey Secret |
| 百度智能云 | 打开语音识别控制台 | App ID、API Key、Secret Key 和识别模型 |
| 腾讯云 | 获取云 API 密钥 | App ID、Secret ID、Secret Key 和引擎模型 |
不同版本开放的平台可能不同，请以客户端「实时转录」模型列表为准。
配置完成后，可以直接点击模型卡片中的「测试」。测试会播放一段内置短音频，并显示识别文字、首段返回时间和总耗时，不会创建正式转录记录。
FunASR 本地转录
FunASR 适合希望录音不上传、断网也能继续转录，或不想产生云端转录费用的场景。当前提供中英轻量版、中英高精度版和粤语专用版。
模型可以直接在 WiseMindAI 中下载，也可以导入准备好的离线包或已经解压的模型文件夹。导入前会检查文件是否完整、模型类型是否正确以及电脑空间是否足够。
完整使用流程可以查看：实时转录。
配置建议
- 先在服务商控制台开通对应产品，并确认账号有可用额度。
- 按 WiseMindAI 表单填写认证信息，不要把普通语音识别产品的参数填到实时转录中。
- 保存后先使用「测试」确认配置，再开始长时间录音或处理大文件。
- 实时转录还要单独检测麦克风，模型测试正常不代表系统已经授予录音权限。
- 不同平台支持的语种、文件大小、单次时长和计费规则不同，正式使用前请查看服务商说明。
常见问题
为什么音频文件可以转写，但实时录音不能使用？
如果使用在线平台，文件转写和实时转录可能属于服务商的不同产品，请进入「实时转录」分类重新配置并测试。如果使用 FunASR，请确认已经准备好本地模型，并在两个入口都选择 FunASR。
为什么实时转录测试提示没有权限？
通常是当前账号只创建了密钥，但没有开通对应实时语音识别产品，或者所填模型、地域和资源 ID 与已开通服务不一致。
本地 Whisper 可以用于实时转录吗？
当前本地 Whisper 主要用于处理已经存在的音视频文件。如果希望在本地进行实时录音，请使用 FunASR。
在线转录会产生费用吗？
多数在线平台会按音频时长或请求量收费，具体费用和免费额度由服务商决定。WiseMindAI 不会额外收取模型调用费用。FunASR 在当前电脑上运行，不产生云端转录费用。