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。

这篇写给播客主：围绕选题与提纲、音频后期和节目笔记与切片这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

播客主的三个高频用法

1. 选题与提纲

提示词示例：

围绕【主题】设计一期 40 分钟播客提纲：开场、3 个讨论板块（每块 3 个问题）、嘉宾介绍和结尾互动。

把关：板块时间分配合理。

2. 音频后期

可直接复制到 WhisperX 里修改：

这期录音有底噪和长停顿，请给出后期处理清单：降噪、音量统一、删除停顿的参数建议，以及需要保留的自然语气。

把关：处理后人声自然。

3. 节目笔记与切片

可直接复制到 WhisperX 里修改：

根据这期节目转写写节目笔记：内容简介、时间轴章节、提到的资源链接，并选出 3 个适合做短视频切片的片段。

把关：时间轴与音频一致。

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，播客主同样用得上。

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

嘉宾声音和内容的再利用需取得同意。

  • 产出由播客主本人负责，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。

更多可以试的用法

会议录音转写

准备材料：一段 1 小时的会议录音。

转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。

交付前确认：专有名词按名单校正。

有声读物试音

准备材料：一个章节的文本。

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。

验收标准：两种风格差异明显。

课程旁白配音

准备材料：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。

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。

常见问题：克隆音色不稳定

使用更干净、更长的样本，避免背景音乐和回声。

概念补充：说话人分离

在转写中区分不同发言人，便于整理会议记录。

概念补充：采样率

每秒采样次数，影响音质与文件大小。

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。

注意事项

文中提示词和示例仅作示意，实际效果取决于你的材料和 WhisperX 当前版本，重要内容请人工核对后再使用。

涉及个人信息、商业机密或受监管数据时，先确认 WhisperX 的数据处理条款，再决定能否使用。

延伸阅读