GreenConvert

GreenConvert 是一个把音视频转成文字的在线工具，官方把它定位成「绿色」的神经媒体引擎：除了转录精度和说话人识别，它还把服务器端的能耗控制写进了产品说明。和多数转录服务只谈准确率不同，这里的卖点是 GPU 动态调频、缓存复用和可再生能源机房，支持上传 MP3、WAV、MP4，单文件上限 500MB。它的目标用户是有长音频要落成文字、又在处理成本上有顾虑的人，而不是需要配音或剪辑的视频团队。

核心能力

• 神经转录：上传后由引擎输出文本，官方称准确率 98%，提供自动语言检测与手动指定语言两条路径，结果保留原始语序，不做摘要或改写。转写完成后可在页面上复制全文或导出，适合先进文档再手工分段。
• 说话人分离：多人对话会被切到不同说话人标签下，适合访谈、会议、播客这类交替发言的素材。说话人切换频繁时会按声纹聚类，而不是按时间硬切。
• 全球方言引擎：官方称覆盖 98 种以上语言与地区口音，语言列表里可见西班牙语、意大利语、葡萄牙语、印尼语、土耳其语、阿拉伯语、俄语、日语、韩语等。自动检测与手动指定可以并存，适合一条素材里出现多种语言的场景。
• 神经音频修复：先做降噪与语音频段增强，再用神经上采样补偿低质量录音，官方描述为优化模糊录音的转写可读性。修复与转写是两步，可以先听一遍增强音轨再决定是否重跑。
• 绿色基础设施：官方称音频流提取阶段 CPU 负载降低 40%，预测缓存让重复请求的服务器操作减少 60%，高码率渲染任务只走可再生能源机房。这些是官方口径，实际收益取决于素材长度与并发量。
• 双引擎档位：站内提供 Cheetah 与 Whale 两档引擎可选，按素材难度和速度需求切换。素材嘈杂时换到更稳的档位，宁可慢一点也别反复重跑。

适合谁

• 做播客、访谈视频的自媒体，需要把长音频落成可编辑文稿再改成图文。
• 要整理会议、采访录音的记者、研究助理和行政人员。
• 做出海内容的团队，先拿到原文再交给翻译或字幕流程。
• 对算力成本或碳排放有披露要求的企业内容团队。
• 需要把课程、讲座录音整理成讲义的高校老师和助教。

使用建议

• 先拿一段五分钟以内的清晰录音试跑，确认说话人切分和标点习惯，再上传长文件；超过 500MB 的素材建议先分轨。
• 语言先交给自动检测，遇到中英混说或方言口音再手动指定，误识别通常在这一步明显下降。
• 录音质量差时先跑音频修复，但降噪过度会吃掉气声和语气词，正式引用前务必人工校对时间轴与专有名词。
• 上传前确认素材的肖像与声音授权，客户会议录音需取得对方同意；商用范围与数据留存策略以官方条款为准，规则可能调整，正式使用前再核一次。