中文本地转写¶
本地任务依次准备音频、分块、运行 ASR、合并结果、应用可追踪纠正，并生成阅读文档和 QA。--local-only 不需要模型 API Key，也不把音频上传给总结服务。
已验证主路径使用 Apple Silicon、MLX Whisper 与 large-v3-turbo 处理中文播客。本页例子明确指定 zh，便于复现这一流程；其他语言设置不代表具有同等验证证据。
开始前¶
- 确认音频存在；订阅元数据可能仍显示 Audio pending。
- 执行
atot doctor，确认后端、模型和媒体工具。 - 选择模型、profile 和中文语言提示。
- 首次运行选择短音频与本地处理。
App 操作¶
导入后选中条目，选择 Transcribe locally only；原生 macOS 主快捷键是 Command-Return。已经处理的内容可以明确选择重新处理（Command-Shift-Return）。
观察阶段与日志。下载完成、一个 ASR chunk 完成，与整个任务成功是不同状态。实际任务结束后再判断是否产生新文档。
CLI 操作¶
atot exec transcribe path/to/episode.m4a --language zh --local-only --json
可以用 --language auto 覆盖已保存的语言提示。当前源码也支持重复语言参数；不传参数使用已保存选择。转写保留原始口语语言，不通过总结语言或字幕目标设置翻译原文。
工作目录里有什么¶
| 文件 | 用途 |
|---|---|
transcript.corrected.txt |
忠实的纠正后文本 |
transcript.readable.md |
确定性阅读排版 |
transcript.timestamped.md |
按时间找片段 |
transcript.srt / transcript.vtt |
定时字幕 |
qa.json |
自动检查结果 |
corrections.json |
确定性修改记录 |
review.json / entity_consistency.json |
术语与实体审阅 |
run.json |
来源、模型/后端、语言请求、缓存身份和运行证据 |
资料库接收 documents/transcript.md。详细处理证据留在工作目录；QA/repair 应使用命令报告的实际目录。
长音频与分块¶
默认 auto 对较短音频使用固定窗口，对较长音频使用静音感知边界。先保留默认值；确有问题或需要可复现实验时再调整。时长选项单位是秒：
atot exec transcribe path/to/episode.m4a --language zh --local-only \
--chunking smart --chunk-length 900 --max-chunk-length 1200 --overlap 10
| 参数 | 意义 |
|---|---|
--chunking auto/fixed/smart |
边界策略 |
--chunk-length |
目标块时长 |
--max-chunk-length |
smart 最大块时长 |
--silence-threshold |
静音阈值 |
--min-silence |
最小静音长度 |
--overlap |
块之间的上下文重叠 |
重叠用于提供识别上下文，合并步骤决定保留哪些片段。不要直接拼接有重叠的 chunk 文本。
缓存与重新处理¶
来源、模型、解码参数、语言提示和实际 prompt 等参与缓存判断。设置改变不自动改写已经发布的文档。明确重建：
atot exec transcribe path/to/episode.m4a --language zh --local-only --force
当前参数是 --force，不是旧文档中的 --force-transcribe。重新处理可能替换工作数据和资料库转写，需要保留旧结果时先备份。旧总结也可能不再对应新转写，应核对后明确请求重新生成。
上下文与纠正¶
--prompt-file 和 --glossary-file 指定自定义上下文；可重复 --rule-pack 选择共享规则。纠正应窄而可审计，不把一次噪声结果变成全局替换。
当前源码不会向自动、混合或非中文任务默认注入中文专用 ASR prompt；显式自定义上下文仍保留。QA 与审阅帮助定位不确定片段，但重要名字、数字、引用仍需复听。