会议开完，录音两小时，谁来整理？
视频做好，配音还没录，找谁念？
这两件事，现在 AI 都能干，而且干得不差。问题是工具太多，价格差十倍，效果差一截。
这篇讲清楚怎么挑。
第一件事：录音变文字（AI 听写）
先说能力现状。
普通话清晰录音，主流工具的准确率已经很高，日常口述转文字基本不用大改。带点口音也行，只要不是重方言。
会掉链子的地方有三个：多人抢话、专业术语、人名地名。
多人抢话是因为它分不清谁在说；术语是因为它没见过这个词，会按最像的常见词硬写；人名同理，全靠上下文猜。
所以判断一个听写工具好不好，光看演示不够，要拿你自己的录音试——尤其是带行业术语的那段。
第二件事：文字变人声（AI 配音）
配音分两种，别搞混。
第一种，按文字念。你把稿子给它，它读出来。现在主流产品的自然度已经不错，做短视频、有声书、课程讲解都够用。
第二种，克隆你的声音。给它几十秒你的录音，它就能用你的音色念任何稿子。
第二种要小心。技术是好技术，但被人拿去冒充你，就是另一回事了。这也是为什么现在很多平台要求声纹授权、要求标注"AI 合成"。
选工具看三条线
第一条，准确率。听写看这个。别信宣传数字，拿自己两分钟录音测一遍，看错几个字。
第二条，语种和口音。做方言内容、做外语内容，支持范围差别很大。中文好不代表粤语好，英文好不代表小语种好。
第三条，单价和额度。这两个都是按量计费的（按时长或按字数）。用得多的，单价差一倍就是差很多钱。还要看有没有免费额度先试。
三个省钱又省事的用法
用法一：先转写，再让 AI 整理。 听写工具负责把声音变文字，再丢给大模型做"删废话、分段落、提要点"。两步下来，两小时的会议十分钟出纪要。
用法二：配音先试短句。 别一上来整篇生成。先用一句话试音色和语速，满意了再整篇跑。整篇跑完发现语气不对，重来费钱。
用法三：重要内容人工校一遍。 数字、人名、结论，这三样必校。别的地方它错了读者能猜出来，这三样错了就是事故。
一个提醒：AI 配音的合规红线
做商用内容，两件事必须清楚：
一是声音来源。用别人的声音克隆，必须拿到授权。没有授权就是侵权，现在已经有判例了。
二是标注。国内规定 AI 生成内容要标识。做公开内容，标注"AI 配音"不是麻烦，是保护你自己。
一句话带走
听写看准确率，配音看自然度和授权。
先拿自己的材料试，别一次整篇跑。
数字、人名、结论，永远人工校一遍。
下一篇：数字人是怎么「活」起来的？拿它做口播靠谱吗。
