语音识别提词器怎么用：让稿子跟着你的声音走，停顿、跳行、即兴都不怕

语音识别提词器，就是会“听”你说话的提词器：你说到哪一句，稿子就滚到哪一句；你停下来，它就等你。和匀速滚动相比，它不要求你配合固定的速度，所以语气、停顿和节奏都能保持自然。下面讲清楚它怎么工作、什么时候该换别的模式，以及让识别更准的实用技巧。

语音识别提词器是怎么工作的

整个过程可以拆成四步：

1. 手机麦克风收到你的声音。
2. 手机系统的语音识别服务，把声音实时转成文字。
3. 提词器把识别出的词句和稿子比对，找到你正在念的位置。
4. 稿子平滑地滚到那一行，下一句总是出现在镜头下方。

以 Cameratel 的「语音跟随」为例，它用的是手机自带的语音识别：iPhone 上是 Apple 的服务，安卓手机上是设备自带的语音服务（例如 Google），支持包括中文在内的多种语言。

为什么它比匀速滚动更自然

真人说话从来不是匀速的。讲到重点会放慢，讲到熟悉的部分会加快，抛出问题后会停一下等观众想。匀速滚动做不到这些：你一停顿，文字还在往上走；你一加速，又得等字出来。

结果就是两种常见的“念稿感”：要么一路赶着念，像在读新闻；要么时快时慢地追字，眼神和语气都乱了。语音跟随把主导权还给你，你按正常聊天的节奏说，稿子跟着你。

举个例子：假设你在吉隆坡做保险顾问，要录一条产品说明。讲到理赔条件时需要放慢、停顿，讲到联系方式时又想说得轻快一点。用匀速滚动，你得在两种节奏之间来回调速度；用语音跟随，你只管按自己的习惯讲，稿子自然会配合。

语音跟随最适合哪些视频

• 知识分享和口播：内容多、信息密，停顿和强调决定了观众听不听得懂。
• 课程和讲解：讲到难点要放慢，还常常需要临时补一句解释。
• 自我介绍和求职视频：紧张时容易卡住，文字会等你，不会把你甩在后面。
• 产品介绍：一边拿起产品一边讲，说话节奏难免不均匀。

只有一种情况不太适合：你要边说话边播放音乐、视频或者旁边有人在聊天。这时声音太杂，换成手动更可靠。

停顿、跳行、即兴：它会怎么反应

所以，大方向是“照着稿子说，但不必一字不差”。小幅度的口语化改动没问题，整段改写就最好先改稿再录。

写给语音跟随的稿子，和普通口播稿差不多，只是要更接近你真实的说法：

# 开场
嗨，我是阿杰，在新加坡做理财规划。
今天只讲一件事： [pause]
每个月的钱，先存还是先花？

# 方法
很简单，发薪水当天，
先把一成转进另一个户口。 [pause]
剩下的，才是这个月能花的钱。

稿子里写的就是你嘴里会说的话，识别起来更顺，字幕也更像你本人说话。

什么时候改用其他滚动模式

语音跟随适合大多数口播，但不是每种情况都最合适：

• 说话时滚动：只在你出声时按设定速度前进，停下就暂停。它不依赖语音识别，适合稿子中英夹杂、识别不准，或手机不支持语音识别的情况。如果设备用不了语音跟随，或者语音识别权限被关闭，Cameratel 会自动改用这个模式。
• 自动：按固定速度匀速滚动。稿子已经很熟、节奏稳定，或者你在录配音式的旁白时很好用。
• 手动：用手指、键盘或蓝牙遥控器控制。有人在旁边帮你控场，或者你要一边操作产品一边讲时适合用。

需要提醒的是，环境噪音也会被当成“在说话”，所以吵闹时「说话时滚动」可能自己往前走，这时改用手动更稳。

提高识别准确度的 7 个技巧

1. 选对语音语言。 稿子是普通话，就把识别语言设为中文；英文稿就设为英文。能选哪些语言，取决于手机的语音识别服务。
2. 找安静的地方。 关掉风扇、空调和电视，远离马路一侧的窗户。
3. 注意麦克风位置。 手机一臂远通常就够用，别用手或支架挡住麦克风孔。
4. 吐字清楚，但别刻意。 用正常聊天的音量和速度，句尾的字别吞掉。
5. 中英夹杂要测试。 英文品牌名、术语照常写在稿子里，录前先试读一遍；识别不稳就改用说话时滚动。
6. 专有名词先练熟。 人名、地名、产品型号念得越顺，识别越稳。
7. 先试读一遍。 点提词器上的开始按钮（语音跟随模式下是麦克风图标），不按录制，只让稿子跟着你滚动，确认识别没问题再正式录。

口音、方言和多语言

新加坡、马来西亚的华语口音，或者带着福建话、粤语腔调的普通话，多数情况下也能识别，但准确度取决于手机的语音识别服务，遇到人名、地名和本地用语时可能不太稳，正式录之前先试读一段最保险。如果某几行总是跟不上，可以在那一行前后多留一点停顿，或者把那几个词换成更通用的说法。

如果一条视频里要切换语言，比如前半段华语、后半段英语，最好拆成两条分别录，或者用说话时滚动。想了解不同内容的合适语速，可以看口播语速与提词器速度对照表；第一次用提词器的话，建议先读手机提词器怎么用。

隐私说明

语音跟随使用的是手机系统的语音识别服务。录好的视频、稿子都保存在你的手机里，除非你自己分享出去。另外，用语音跟随录制还有一个好处：录完后生成的字幕，时间轴会按你实际说话的节奏对齐，后期几乎不用再调。想了解完整的设置和使用技巧，可以看语音跟随功能介绍。