从零开始：音记AI 完整上手教程
一步步装好音记AI，选一个适合你电脑的转录模型，转录第一个文件，再用 AI 助手整理成笔记并导出。同时讲清楚 Whisper、实时模型和 ML 引擎三类模型的区别，免费版能做什么，以及本地转录和 AI 后端的隐私边界。
这篇教程能帮你做什么
跟着走完，你会完成四件事：装好音记AI，下载一个适合你电脑的模型，从一段音频拿到文字稿，再让 AI 把它整理成笔记并导出。
核心转录在你的电脑上完成。会不会用到云端，只取决于你给 AI 助手选的后端。整个过程大约十分钟，取决于模型下载速度。
第一步：下载安装
音记AI 支持 macOS 和 Windows。去下载页下载最新版，安装后登录账号即可开始。本地转录不需要填写任何云端 API Key。
免费版就能完成这篇教程里的文件转录。实时转录、GPU 加速、更多模型等能力需要付费套餐，差别见价格页。
第二步：下载转录模型
第一次转录前需要下载一个模型。下载一次就存在本地，之后转录不需要联网。
音记AI 的模型分三类：
| 分类 | 是什么 | 适合 |
|---|---|---|
| Whisper | 基于 whisper.cpp 的 GGML 模型，支持 GPU 加速 | 文件转录、链接转录、监控文件夹 |
| 实时模型 | 基于 Sherpa-ONNX 的低延迟模型 | 麦克风和会议实时转录 |
| ML 引擎（高级 ASR） | Qwen3-ASR、SenseVoice、Parakeet 等离线模型 | 对准确率或特定语言有要求的文件转录 |
刚开始用 Whisper 就够了。下面是应用里的 Whisper 模型和文件大小：
| 模型 | 文件大小 | 适合什么 |
|---|---|---|
| Tiny | 80MB | 快速试一下，老款电脑也能跑 |
| Base | 150MB | 短音频、临时笔记 |
| Small | 500MB | 日常会议、课程、访谈的起点 |
| Medium | 1.5GB | 更看重准确率、音频条件复杂 |
| Large-v3 | 3.1GB | 质量优先、长期保存的材料 |
| Large-v3 Turbo | 1.6GB | 想要大模型的效果，同时更快 |
文件大小不等于运行时占用的内存，实际速度还取决于电脑和加速方式。建议先从 Small 开始；老电脑先用 Tiny 或 Base 试试。免费版可以用 Tiny、Base、Small 三档（各有多语言版和英文版）。
不知道选哪个？让应用测一下
首页顶部有「性能检测」。它用一段约 35 秒的英文样本，分别跑一次 Whisper Base 和一个轻量实时模型，记录转录速度、错误率和 CPU、GPU 占用，再结合你的硬件（芯片、显卡、显存、内存）给出建议：
- 加速方式：Apple Silicon 用 Metal，NVIDIA 显卡用 CUDA，AMD 独立显卡用 Vulkan；Intel Mac、只有核显的 Windows 电脑和虚拟机用 CPU。如果 GPU 实测反而很慢，会退回 CPU。
- 文件转录用哪个 Whisper：只在 Tiny、Base、Medium、Large-v3 里挑。两项实测都表现很好、并且走 GPU 时，才会推荐 Medium 或 Large-v3（显存、内存、芯片代际越高越倾向 Large-v3）；多数电脑会推荐 Base；实测吃力的电脑推荐 Tiny。
- Whisper 还是轻量模型：如果轻量模型在你的电脑上明显更快、错误率又差不多，文件转录会改为推荐它。实时转录则相反，只有 Whisper 在你的电脑上又快又准、CPU 也不吃紧时才推荐 Whisper，否则推荐轻量实时模型。
检测完可以点「应用推荐配置」一键套用。之后在模型列表里，推荐的模型会带「推荐」标记，明显超出电脑能力的 Whisper 模型会有提醒。推荐的模型不在你的套餐里时，选套餐内最接近的一档。推荐只是起点，最终还是用自己的录音试一下。
中文为主的用户，有 Standard 套餐的话也可以试 ML 引擎里的 SenseVoice，速度快、中文效果好。模型怎么选见模型选择建议。
第三步：转录第一个文件
- 在首页点「转录文件」，或者直接把文件拖进窗口。
- 选文件。MP3、WAV、M4A 等常见音频，MP4 等视频都可以。
- 确认模型和语言，开始转录。
处理速度取决于模型、电脑和音频长度，有进度条可以看。第一次用时，建议先拿一段一两分钟的样本试，确认效果再处理长文件。
转完后你会看到带时间戳的全文，点击文字可以跳到对应的音频位置。
第四步：让 AI 帮你出笔记
音记AI 和普通转录工具的区别在这一步：不用把文字复制到别的工具，在应用里就能让 AI 整理。
- 打开转录结果。
- 进入 AI 助手。
- 选一个预设提示词，比如摘要、会议纪要、行动项，或者自己写要求。
- 等 AI 处理完，结果会显示在对话里，满意的内容可以写回笔记。
AI 助手走你配置的后端：
- 本地后端（Ollama、LM Studio）：模型在你电脑上运行，文字不出电脑。
- 云端后端（OpenAI、Anthropic、Gemini、DeepSeek 等）：转录文字会发送给对应服务。
处理敏感内容时，先确认用的是本地后端。更多用法见 AI 摘要与行动项提取指南。
第五步：导出或继续编辑
付费套餐可以导出 11 种格式：
- Markdown：放进 Notion、Obsidian
- SRT、VTT、ASS、SSA、SUB、SBV、SMI、LRC：各类字幕
- 纯文本：最通用
- JSON：程序处理
免费版目前只能导出纯文本。字幕格式怎么选见字幕格式全攻略。
也可以直接在应用里继续编辑、搜索和整理。
上手检查清单
| 步骤 | 检查点 |
|---|---|
| 安装 | 是否从官网下载，能否正常启动和登录 |
| 模型 | 是否已下载到本地，断网后能否转录 |
| 第一次转录 | 能否导入文件，能否看到时间戳 |
| AI 笔记 | 确认用的是本地后端还是云端 API |
| 导出 | 是否选了适合目标工具的格式 |
常见问题
转录要联网吗？ 模型下载好之后，转录本身不需要联网。登录、授权校验和云端 AI 功能会联网。
转录很慢怎么办？ 换小一档的模型，或者在付费套餐里开启 GPU 加速。Windows 上 NVIDIA 显卡可以用 CUDA。
中文效果不好怎么办？ 确认语言设成了中文。可以试 Medium、Large-v3 Turbo，或者 SenseVoice、Qwen3-ASR 这类中文表现好的模型。
可以批量转录吗？ 可以。首页有批量转录入口；需要持续自动处理时，用文件夹监控。
免费版和付费版差在哪？ 免费版可以用 Whisper Tiny 到 Small 做 CPU 文件转录，单文件上限 1GB，导出纯文本，监控 1 个文件夹。Standard 增加实时转录、GPU 加速、全部官方 Whisper 模型和全部导出格式；ML 引擎方面，免费版不含，Standard 可用 SenseVoice 和 Moonshine，Pro 可用全部 ML 引擎模型。Pro 再增加社区模型、人声分离和环境降噪等。以价格页为准。
接下来可以试试
- 实时转录：会议、课程边听边出字，见会议本地实时转录指南
- 链接转录：贴 YouTube 或 Bilibili 链接直接出稿，见视频链接转录
- 文件夹监控：新文件放进去就自动转，见文件夹监控自动转录
- 全局实时转录（Beta）：抓电脑上任何应用播放的声音
