麦克风实时转录

TODO（截图替换）：麦克风实时转录页面（App 2.0） 建议包含：设备选择、模型选择、VAD 开关、实时文本区、开始/暂停/停止按钮。 建议文件名：realtime-microphone-v2.png

功能边界

麦克风实时转录用于“当前麦克风输入”的实时出字，支持：

• Whisper 模型与实时模型选择
• 录制与转录同进程执行
• 语音活动检测（VAD）与分段展示
• 结束后进入笔记/导出链路

不负责系统音频采集；系统级采集请看全局实时（Beta）。

适用场景

• 单人口述写作、头脑风暴记录
• 线上会议个人麦克风记录
• 课程听讲时快速留档

操作步骤

1. 首页点击“麦克风实时转录”。
2. 选择模型（Whisper 或实时模型）与语言。
3. 选择麦克风设备并检查系统麦克风权限。
4. 按需启用 GPU、VAD、翻译等选项。
5. 点击“开始”，观察实时文本流与状态提示。
6. 结束后在笔记页进行编辑、AI 处理和导出。

建议没有显卡的用户使用实时模型

名词解释（建议先理解）

• VAD（语音活动检测）：自动识别“有人说话/无人说话”区间，用于分段与降噪。
• 实时模型：强调延迟低、响应快，适合会议和口述输入。
• 会话内文本流：录制过程中持续刷新的临时文本，结束后仍建议在笔记页复核。

真实场景：产品经理 30 分钟需求评审

1. 会前 2 分钟先确认麦克风、语言和模型（优先实时模型）。
2. 会议中只做轻量标记，不中断讨论去“边听边改全文”。
3. 会后回到笔记页集中修正术语、生成行动项并导出纪要。

这个流程的核心是“会议不中断、会后集中整理”，通常比边开会边精修文本更高效。

常见误区

• 误区 1：会议中频繁切模型。
  纠正：会前固定模型，会后再做准确率复核。
• 误区 2：把实时文本当最终稿直接分发。
  纠正：实时文本是草稿，正式输出前建议在笔记页复核。
• 误区 3：忽略麦克风输入链路。
  纠正：优先检查采样设备、权限和输入电平，通常比反复换模型更有效。

常见问题

Q: 转录过程中可以暂停吗？

A: 是的，您可以随时暂停和继续转录。

Q: 为什么无法转录麦克风？

A: 无法使用的情况有很多，可以先排查：

1. 麦克风是否正常工作（虚拟麦克风可能无法转录）
2. 模型文件是否完整
3. 设备性能是否满足模型要求

Q: 转录内容可以导出吗？

A: 你可以在麦克风转录完成后导出为TXT、SRT等多种格式，也可以使用文件转录来获取更详细、准确的转录。

限制说明

• 实时体验受麦克风质量、噪声环境和硬件性能影响明显。
• 部分高级选项或模型依赖账号功能开通状态。
• 低配设备建议优先使用实时模型并降低并发任务数量。
• 平台：Windows 与 macOS 均支持，差异主要体现在权限授权入口与音频设备驱动链路。