如何提升Murmure的语音转写准确率：8个让本地语音识别更准的实用技巧

Murmure 是一款完全本地运行的开源语音转写工具，基于 NVIDIA Parakeet TDT 0.6B v3 模型在你的电脑上完成语音识别，全程无需联网、零数据收集。但很多新手会遇到"识别成错误语言""专有名词总写错""长句被截断"等问题。下面这 8 个实用技巧，按"从硬件到软件再到润色"的顺序，系统性地帮你提升 Murmure 语音转写准确率。

技巧 1：换更好的麦克风，是提升转写准确率的最大杠杆 🎤

官方文档明确指出：麦克风质量是影响转写质量的第一因素。劣质麦克风加背景噪声会导致三个典型问题：

• 语言检测错误（比如说法语却识别成英语）
• 单词缺失或识别成乱码
• 整体置信度偏低

如果条件允许，优先使用带降噪的独立 USB 麦克风，而不是笔记本内置麦克风。另外 Murmure 内置了 Smart Speech Mic 扩展，可以扫码把手机变成无线麦克风，在家用笔记本麦克风效果不佳时值得一试：

💡快速自检方法：用 Audacity 或系统录音机录一段自己的声音回放，如果听起来嘈杂或含糊，那 Murmure 也一样会识别不准。

技巧 2：手动选择麦克风并调高输入音量，避免"语言识别错乱"

"为什么我说法语，Murmure 却转写成英语？"这是官方 FAQ 中被报告最多的问题。根源在于 Parakeet 模型是从音频特征自动检测语言的，音频质量差时会"退而求其次"默认识别成英语。

排查步骤（来自 transcription.md）：

1. 进入Settings > System > Microphone，不要用 "Automatic"，手动指定你的实际麦克风（虚拟麦克风如 NVIDIA Broadcast 尤其需要显式选择）
2. 在操作系统声音设置中调高麦克风输入音量
3. 关闭窗户、静音其他音源、远离风扇和空调

Murmure 的系统设置界面如下，麦克风选择就在这里：

技巧 3：掌握说话节奏与录音习惯，让模型"听得清"

硬件没问题之后，说话方式直接决定准确率：

另外要注意：Murmure 是为单人口述设计的，多人会议转写和说话人分离暂不支持。

技巧 4：给"总识别错"的词加入自定义词典（Dictionary）📖

人名、品牌名、专业术语是识别错误的高发区。Murmure 的词典功能会把词直接注入 ASR 解码过程：当你说出某个词时，Parakeet 会被"引导"输出你的拼写，近似拼写也会自动修正。

举例：把Kieirra加入词典后，即使模型听成了 "Kierra" 或 "Kyera"，输出也会纠正为 "Kieirra"。

使用建议（详见 dictionary.md）：

• ✅ 加经常被识别错的专有名词、领域术语、需要首字母大写的缩写（如NestJS）
• ❌ 不要加整份术语表或模型本来就认识的高频词
• ⚠️ 词典"少而精"：每个词条都是解码候选项，条目超过 100 个时拼写修正通道会自动关闭，提升幅度反而下降

词典界面长这样，在Settings > Dictionary输入后点击 Add 立即生效：

词典的限制：不支持数字（含数字的词请用技巧 5）、每个词条最多一个空格。

技巧 5：用格式化规则（Formatting Rules）自动修正同音词和数字

词典搞不定的复杂场景，交给格式化规则——它支持正则表达式，是比词典更强大的"文本后处理器"。内置选项包括：

• Trailing space：转写后自动补一个空格
• Space before punctuation：法语排版中?和!前加空格
• Text-to-number：把 "vingt-trois" 自动转成 "23"

自定义规则示例（来自 formatting-rules.md）：

规则从上到下依次执行，可拖拽排序。在Settings > Formatting Rules点击 "Add rule" 即可创建：

选型口诀：单个专有名词 → 用词典；多词替换、含数字、正则、语音命令 → 用格式化规则。

技巧 6：调好录音模式与静默超时，告别"说到一半被截断"

"转写提前结束"是第二大常见抱怨。Murmure 提供两种录音模式（Settings > System）：

如果是语音模式提前截断，多半是静默超时（默认 1.5 秒）在麦克风音量偏低时误判。解决办法：调高系统麦克风音量，或在 Voice Mode 设置中放宽静默超时。Murmure 内部的语音活动检测（VAD）采用自适应噪声底算法，代码实现在 src-tauri/src/audio/vad.rs，它会持续校准环境噪声水平，因此安静环境下效果更好。

另外确认快捷键没有和其他应用冲突，可在Settings > Shortcuts重新绑定（Linux Wayland 用户需配置系统级快捷键调用murmure --transcription）：

技巧 7：语音模式（Voice Mode）用"多词唤醒词"，免手操作更可靠 🗣️

Voice Mode 让你喊出唤醒词就能开始录音，完全解放双手。它的原理是：Murmure 持续监听环境音，检测到足够强的语音活动后先做一次本地转写，匹配到唤醒词才正式开始录音。

提升可靠性的小技巧（官方 Tips）：

• 多词唤醒词比单词更可靠：OK Murmure优于单独的Murmure
• 避免选择日常口语中高频出现的词，防止误触发
• 唤醒词要说得清晰，模糊匹配容许轻微变体，但不容许完全读错
• 不用的时候关掉 Voice Mode，持续监听会占用 CPU，嘈杂会议中更明显

在Extensions > Voice Mode启用并设置各动作的唤醒词：

技巧 8：Prompt Mode 本地大模型润色，做转写后的最后一道保险 ✨

前面的技巧提升的是"听"的准确率，而 Prompt Mode（原 LLM Connect）解决的是"写"的观感问题：录音转写后，先交给本地或远程大模型处理再插入文本，可用于语法纠错、翻译、医疗口述格式化、代码格式化。

核心用法：

• 支持最多 4 组预设 Prompt，每组可独立配置模型、系统提示词（用{{text}}占位符填入转写文本）
• 内置Voice Dictation预设可专门把口语化文本清理成书面语，Medical预设适配医疗口述
• 本地方案推荐 Ollama：4 GB 显存可选qwen3.5:4b，8 GB 显存可选qwen3.5:latest；无 GPU 时 LLM 推理会明显变慢
• 每个 Prompt 都有独立的 Dictate 快捷键（默认Ctrl+Shift+1~4），按下即"录音 + 应用 Prompt"一步到位

配置入口在Extensions > Prompt Mode，三步引导式向导会帮你完成模型下载与连接验证：

⚠️ 已知问题：部分模型会在输出外加引号或think标签，可建一条正则格式化规则（如把think...块替换为空）自动清理，详见 llm-connect.md。

总结：8 个技巧速查清单

更多细节可参考官方文档：转写原理、转写问题排查、FAQ。坚持"先优化输入（麦克风 + 说话方式），再优化词典与规则，最后用 LLM 兜底"的顺序，基本可以覆盖 90% 的转写准确率问题。