Amazon Transcribe - Runbook 与参考¶
English · GitHub source 事实核对时间（对照 AWS 官方文档）：2026-08-19
概述¶
Amazon Transcribe 是自动语音识别（ASR）服务，使用机器学习将音频转换为文本。你可以实时（流式）转录，或从 S3 批量转录音频文件，支持语言定制、内容过滤、说话人分离和多声道音频。按转录音频秒数付费；签署 BAA 后适用于 HIPAA。
核心概念¶
- 批量转录：将 S3 中的音频文件作为任务转录；结果写入 S3（JSON、VTT、SRT）。
- 流式转录：实时语音转文本，提供中间和最终结果；支持 websocket/HTTP2 和 SDK。
- 语言定制：自定义语言模型、自定义词汇表和词汇过滤器，提升领域准确率。
- 内容过滤：PII 脱敏和词汇过滤，输出适合受众或保护隐私。
- 说话人分离：按说话人切分语音，用于会议和访谈。
- 多声道与多语言支持：处理多声道音频，并在受支持处支持其他语言。
- 定价：按转录秒数按用即付（精确 1 秒计费）；PII 脱敏和自定义模型等特性另收费。
常用操作（AWS CLI）¶
# 批量转录
aws transcribe start-transcription-job --transcription-job-name meeting \
--language-code en-US --media '{"MediaFileUri":"s3://bucket/meeting.mp3"}' \
--output-bucket-name bucket --output-key out/meeting.json
aws transcribe get-transcription-job --transcription-job-name meeting
# 说话人分离与 PII 脱敏
aws transcribe start-transcription-job --transcription-job-name support-call \
--language-code en-US --media '{"MediaFileUri":"s3://bucket/call.wav"}' \
--settings '{"ShowSpeakerLabels":true,"MaxSpeakerLabels":2,"ContentRedaction":{"RedactionType":"PII","RedactionOutput":"redacted"}}'
# 流式转录（HTTP2 SDK；CLI 用 aws transcribe-streaming）
aws transcribe-streaming start-stream-transcription \
--language-code en-US --media-encoding pcm --media-sample-rate 16000 \
--audio-stream file://audio.pcm
最佳实践¶
- 音频存 S3 并 KMS 加密；用受限 IAM 角色授予 Transcribe 访问。
- 领域术语和口音用自定义词汇表/语言模型提升准确率。
- 通话录音和面向客户内容启用 PII 脱敏并核对输出。
- 会议/访谈用说话人分离；为下游分析标注说话人。
- 监控批量任务状态，失败设置告警；流式只用于实时场景。
- 合规工作负载确认 HIPAA 资格与 BAA 要求，PHI 静态和传输加密。
故障排查¶
| 症状 | 检查与处理 |
|---|---|
| 任务失败 | 检查音频格式/编码、S3 权限和媒体文件 URI。 |
| 准确率差 | 为领域添加自定义词汇表或自定义语言模型。 |
| PII 未脱敏 | 确认脱敏设置和语言支持；核对输出类型（redacted vs redacted_and_unredacted）。 |
| 流式报错 | 检查音频编码、采样率和 SDK/websocket 配置。 |
| 区域不支持 | 确认该区域支持所需转录类型（批量/流式）。 |
配额¶
转录任务配额、媒体时长、并发任务和 API 请求速率有限制；部分配额可调整。以 Amazon Transcribe 端点和配额页面及 Service Quotas 控制台为准。