支持的格式和限制

XMOX接受以下文件类型直接上传：

  • 音频：MP3、WAV、M4A、FLAC、OGG、OPUS
  • 视频容器（音频轨道自动提取）：MP4、MOV、WEBM、MKV
最大文件大小为500 MB。对于较长的录音，请考虑分割文件或使用直接从源传输的云集成（Zoom、Google Meet、Teams）。

分步指南：上传文件

1
打开您的XMOX工作区，点击+ 新建任务按钮（或工具栏中的上传图标）。
2
在来源选择器中，选择"音频/视频文件"。
3
点击"选择文件"或将文件拖放到上传区域。上传进度条将立即出现。
4
上传后，XMOX自动开始转录。任务列表中的任务卡将显示处理中状态标志，同时AI正在工作。
5
当状态变为就绪时，点击任务打开转录文本。您现在可以阅读、搜索并提问关于内容的问题。

了解处理时间

处理速度取决于文件长度和当前服务器负载。大致参考：

  • 10分钟的录音通常在1分钟内完成。
  • 1小时的录音通常在3–5分钟内就绪。
  • 很长的录音（3小时以上）可能需要10–15分钟。

无需保持页面打开——XMOX在后台处理。返回时刷新任务列表即可。

转录后提问

任务就绪后，右侧的AI聊天面板允许您用自然语言查询转录文本。以下是一些有效的提示语可供尝试：

  • "总结这次会议的要点。"
  • "列出所有提到的行动项目。"
  • "前15分钟讨论了哪些主题？"
  • "找出所有使用'截止日期'这个词的地方。"
  • "谁发言最多，他们关注的是什么？"
您也可以点击转录文本中的任意行，跳转到音频播放器中的确切时刻——有助于验证特定答案周围的上下文。

获得最佳转录质量

XMOX使用Gemini AI进行转录，即使在带口音的语音和技术词汇方面也非常准确。为获得最佳结果：

  • 在安静房间中用近距离麦克风录制可产生最少错误。
  • 如果可能，在上传前减少背景噪音（Audacity的降噪工具等效果很好）。
  • 带有多个发言者在独立声道的立体声录音会自动处理——转录文本会区分发言者。
  • 如果某个词一直被错误转录，您可以内联更正，更正版本会保留在所有导出中。
质量非常低的录音（严重压缩伪影、严重背景噪音或非常轻柔的语音）可能产生精度较低的转录文本。AI仍会尽力而为，但某些词语可能被标记为不确定。

准备好上传您的第一个音频文件了吗？打开您的XMOX工作区，几秒钟即可开始。

打开工作区 →