给记者编辑的 WhisperX 上手指南：步骤、提示词与注意事项
在 Whisper 基础上加入词级时间戳与说话人分离的开源工具——这是 WhisperX 最主要的用途，也是本文讨论的前提。
这篇写给记者编辑：围绕采访整理、资料核查和标题与导语这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。
记者编辑的三个高频用法
1. 采访整理
可直接复制到 WhisperX 里修改：
根据这份采访录音转写，整理出 5 个核心观点和对应原话（标注时间点），不要改写受访者的原意。
把关：原话与录音一致。
2. 资料核查
在 WhisperX 中可以这样提：
列出这篇稿件中所有需要核实的事实：人名、职务、时间、数字、引语，并为每项建议一个核实渠道。
把关：每项事实都有核实渠道。
3. 标题与导语
在 WhisperX 中可以这样提：
为这篇报道写 5 个标题和 2 个导语备选，标题准确反映内容，不夸大、不制造悬念误导读者。
把关：标题与正文事实一致。
也可以试试：短视频配乐
这是「音频与语音」类工具的通用任务，记者编辑同样用得上。
生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。
边界与合规
事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
- 产出由记者编辑本人负责，AI 只是草稿和辅助。
- 对外内容发布前至少看一遍。
- 如单位有规定的工具清单，优先在清单内选择；WhisperX 的同类还有 faster-whisper、pyannote。
一周试用建议
选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 WhisperX 纳入日常流程。
延伸练习
课程旁白配音
输入：一份 800 字的讲解稿。
把这份讲稿改成适合朗读的口播版本：句子不超过 20 字，数字改成口语读法，标出需要停顿和重读的地方。
交付前确认：数字读法不会产生歧义。
有声读物试音
适用情况：手头有一个章节的文本时。
用两种不同的声音风格朗读这一章节的前 300 字：一种沉稳叙述，一种轻松亲切，对比后选择更适合的版本。
检查点：两种风格差异明显。
播客后期
适用情况：手头有一期双人录制的原始音频时。
处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。
检查点：人声没有被处理得发闷。
常见问题：配乐与画面情绪不符
先写清情绪关键词和节奏，再分段生成拼接。
常见问题：转写错字集中在专有名词
提前提供人名、产品名词表，转写后批量替换。
常见问题：降噪后声音发闷
降低处理强度，宁可保留少量底噪。
概念补充：TTS（文本转语音）
把文字合成为语音，可选择音色、语速与情感。
概念补充：人声分离
把歌曲或录音拆分为人声与伴奏等音轨。
适合人群：中小学老师
中小学老师可以用 WhisperX 处理备课与分层练习、批改反馈与评语等工作。需要注意：学生个人信息和成绩不要上传到未经学校批准的工具。
写在最后
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
本文基于 WhisperX 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。