Option 01
Otter Pro
对长文件的限制是每个录音4小时。说话人标签在2小时后会偏移。
最大文件长度4小时（Pro版本）
最大文件大小约1.5 GB上传
说话人ID从始至终2小时后有偏移
长文件输出单个文档，在上限处截断
价格$16.99/用户/月
可恢复上传否
Best for2小时以内的短会议。对整天录音无法胜任。
转录长音频文件。最长10小时。无超时。
上传一个长音频文件 — 最长10小时、5 GB（Business支持）。我们并行分块，保持说话人ID从始至终的一致性，交付单个转录文件而不是编号文件夹。
↓ 一个5小时的文件，转录中
数小时的音频。 一份清晰的文件。
大多数工具在90分钟左右超时或将你的长音频 分成编号的部分文件供你自己拼接。我们以12分钟的重叠窗口分块、并行处理，然后通过全局说话人检测来重新组合。
董事会战略会议
自动检测 en-GB44.1 kHz立体声 · 192 kbps
~90s
转录文本 · 单个文件
S1
我们已经三小时了 — 让我们回到上午会议中提到的供应链问题。
S2
对，越南制造转向。我认为我们忽略了交期风险。
S1
关税变化后，交期从14天增加到31天。
S3
那还没有考虑长滩港的拥堵情况。
整个5小时文件的准确率为92%DOCX · SRT · TXT · JSON
↓ This is the dashboard
This is what loads when the job finishes.
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Summary 5Transcript 1,420Speakers 2导出
Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
Key points
Gap exists between raw recordings and shippable content — tools stop at transcript.
Show notes, social clips, blog drafts all expected by call's end, not next-day.
Current tooling fragmented across 5 apps — no single pipeline.
Conversion-rate signal flipped a buyer-segment assumption at week 3.
40% of original hypothesis survived — the shape held, mechanics rebuilt.
待办事项
Speaker 1Investigate single-pipeline approach to replace 5-app stitch.
Speaker 2Mock how show-notes draft could flow from the transcript.
Speaker 2Pull conversion-rate by segment, Monday EOD.
Speaker 1Map the 5-app stitch & list which steps actually need a human.
三种真实选择 · 诚实对比
Otter Pro。自己做Whisper分块。 或我们。
消费类工具对文件长度有上限并会无声截断。Whisper API有25 MB的单请求上限，所以你需要自己构建分块器。我们接受完整的10小时文件并交付一份转录。
Option 02
Transcription.Solutions
每个文件10小时。并行分块，全局说话人检测，输出DOCX。
最大文件长度10小时（Pro和Business）
最大文件大小2 GB Pro · 5 GB Business
说话人ID从始至终全局嵌入检测
长文件输出单个文件 · DOCX/SRT/TXT
价格 · 按分钟$0.03统一价，与长度无关
可恢复上传分多部分，可从断点续传
Best for全天研讨会、书面供述、董事会会议、口述历史 — 任何超过90分钟的内容。
Option 03
Whisper API + 自己做分块
每分钟最便宜。你需要构建分块器、说话人拼接和重试逻辑。
最大文件长度每请求25 MB（约25分钟）
最大文件大小25 MB硬上限
说话人ID从始至终无 — 不支持说话人分离
长文件输出编号的部分文件，你自己拼接
价格 · 按分钟$0.006（OpenAI Whisper）
工程时间每个管道需要数小时到数天
Best for想要每块原始文本且不需要说话人、摘要或单个输出的工程师。
定价和限制截至2026年5月准确无误。Otter Pro长度上限最后在其公开定价页面验证。
特定于长文件
三种通用工具 在90分钟后失效的方式。
大多数管道是为一小时的会议构建的。长音频以可预测的方式打破它们 — 这是我们不同做法的地方。
会出什么问题
- 1在90分钟时无声超时。 工作旋转一小时后死亡，没有有用的错误消息。你无法重试。
- 2说话人ID在分块间偏移。 第1小时的说话人1在第3小时变成说话人4，因为每个分块被独立进行说话人分离处理。
- 3输出是编号的文件夹。 `transcript_part_01.txt`到`transcript_part_24.txt`，时间戳在每个分块边界重置。你自己拼接。
这里的改进方向
- 1可恢复的分多部分上传。 上传到第2小时时连接断了？从上次完成的部分继续。无需重新上传4 GB。
- 2全局说话人嵌入检测。 分块后处理后，我们在整个文件中对语音进行聚类，所以说话人3在第12分钟和第487分钟是同一个人。
- 3带小时标记的单个DOCX。 一个文件，连续的时间戳，可选的60分钟章节分割。无需拼接。
长文件推荐的任务设置
上传任何超过90分钟的内容，这些会自动打开。每个任务从表单中覆盖。
- 分块策略
- 12分钟窗口 · 10秒重叠
- 说话人分离
- 跨所有分块的全局检测
- 说话人模型
- 长篇 · 2-20位说话人
- 上传
- 可恢复的分多部分
- 队列
- 优先级（Business计划）
- 导出
- 单个DOCX · 小时标记打开
Accuracy · real-world numbers
92%的准确率在5小时文件中保持稳定。 质量逐小时保持一致。
长音频的难点不在模型 — 而在从第1分钟到第600分钟保持准确率稳定。说话人偏移和分块边界错误是最常见的管道杀手。下面的数字来自完整长度的客户文件测量，而不是前10分钟。
95%
工作室长篇、单一说话人
有声书叙述、独播播客、口述手稿。6-10小时的清晰语音，无室内噪音。不需要说话人分离。
92%
会议室、2-6位说话人
会议桌、不错的麦克风、3-5小时。全局说话人检测在整个文件中保持ID稳定。
88%
全天研讨会、领夹麦克风
7-9小时的培训日，包括麦克风交接和听众问答。说话人芯片需要5分钟的检测。
82%
现场圆桌论坛、8位以上说话人
长期口述历史、焦点小组或有重叠语音和环境噪音的小组讨论。可用，但需要清理。
常见问题
关于长音频转录的8个常见问题。
01实际文件长度和大小限制是多少？+
Pro和Business上都是每个文件10小时。 Pro的文件大小上限为2 GB，Business为5 GB。如果你有超过10小时的内容，可在自然断点处分割一次 — 如果你在同一项目中连续上传它们，我们将保持说话人ID的一致性。
02我会得到一份转录文件还是一个编号文件夹？+
一个文件。总是。DOCX、SRT、TXT或JSON — 由你选择。时间戳从00:00:00连续运行到录音结束，不会在每个分块边界重置。
036小时的文件需要多长时间完成？+
Pro队列大约18-25分钟，Business优先队列8-12分钟。我们并行处理12分钟的分块，所以实际时间增长不在与文件长度线性，而是更慢增长。
04说话人ID从始至终保持一致吗？+
是的。分块后处理后，全局嵌入检测会在整个文件中对语音进行聚类。第12分钟的说话人3是同一个第487分钟的说话人3。这是自己做Whisper管道最常出错的地方。
05如果我的上传在4 GB文件的第3小时时断了呢？+
可恢复的分多部分上传从最后完成的部分继续。你不需要重新上传前3 GB。在糟糕的酒店Wi-Fi和移动热点上都有效 — 我们都测试过。
06为什么Whisper API在长文件上失效？+
OpenAI的Whisper端点有每请求25 MB的硬上限 — 大约25分钟的压缩音频。任何更长的内容都需要你分块、并行转录，然后自己拼接转录文本并对齐说话人。我们在服务器端做所有这些。
0710小时文件的每分钟价格与10分钟文件相同吗？+
是的。无论长度如何，每分钟$0.03统一价。 一个10小时文件成本$18。与Rev不同，我们不对长文件额外收费（人工转录$1.50/分钟 × 10小时 = $900）。
08我能获得章节标记或每小时的时间戳吗？+
在任务表单上打开'小时标记'，DOCX每60分钟导出一个标题分割。SRT保持连续时间码。JSON同时有两者 — 章节数组加上单词级时间戳。