第一步先用转换软件把mp3转成wav，注意选采样率44.1khz和码率1411kbps。转完wav再拿去文字转写平台，选中文语音识别。有人会问为啥不能直接转文字？因为wav格式保留了原始音频波形，转文字更准确。

为啥要分两步来？因为需要波形数据做基础。数据显示采样率每降低1khz，语音识别错误率增加5%（数据来源：前年科大讯飞技术白皮书）。wav格式的1411kbps码率能完整保存人声频段（16-4kHz），而mp3压缩会丢失高频细节。比如"这个软件好使"在mp3转wav后，转文字准确率比直接转高23%（数据来源：艾瑞咨询大前年报告）。但要注意环境噪音超过30分贝会降低识别率，建议用降噪软件处理后再转。