有道翻译音频上传后一直处理或转写为空：ffprobe排查

有道翻译音频上传后一直处理、长时间停在“处理中”，或者任务已经结束却没有转写文字时，先不要反复提交同一个文件，也不要把 .m4a 直接改名成 .mp3。音频在播放器里能正常播放，只能说明本机播放器能够解码，并不能证明上传后读取到的容器、音轨、声道和时长都正常。

当前有道翻译本身提供音视频翻译入口。本文只处理音频文件已经能够选择，但上传、解析或转写结果异常的情况。需要重新确认客户端和功能入口时，可以返回站内的 有道翻译下载 页面；下面重点用 ffprobe 把文件内部信息读出来，再决定有没有必要转换。

先判断：音频到底卡在哪一步

当前表现	更接近的阶段	先检查什么
选择文件后立即提示失败或无法处理	文件读取 / 格式入口	文件完整性、扩展名、真实容器
上传进度不动或反复归零	上传阶段	网络、当前入口、短文件对照
上传已经结束，但一直显示“处理中”	媒体解析 / 转写阶段	编码、音轨、声道、采样率、时长
任务显示完成，但没有原文或译文	语音识别阶段	有效人声、源语言、静音段、实际音轨
音频处理时整个客户端都无法点击	主窗口挂起	停止本文排查，转事件1002页面

最重要的是先把“文件没有正常上传”和“上传完成以后没有文字”分开。前者更值得检查传输和入口，后者才需要继续研究音频内部结构。

一、先保留原文件，不要直接改格式

先复制一份原音频。后面的截取、检测和转换都在副本上完成，不要覆盖唯一原件。

可以建立一个单独目录，例如：

C:\Audio\YoudaoCheck\

把测试文件放进去以后，先记下：

• 文件名和扩展名；
• 文件大小；
• 创建时间和修改时间；
• 本地能不能从头播放到尾；
• 播放器显示的总时长是否正常。

如果本地播放本身就会突然中断、跳秒、无法拖动进度，或者时长显示明显不正常，先回到录音、会议或剪辑软件重新导出。这种文件继续重复上传，通常不会增加新的判断信息。

需要确认后面的测试没有改动原件，也可以先保存一份 SHA-256：

Get-FileHash "C:\Audio\YoudaoCheck\meeting.mp3" -Algorithm SHA256

二、MP3、M4A只是扩展名，先看里面真正是什么

文件名不能完整代表内部媒体结构。

一个叫：

meeting.mp3

的文件，内部可能包含额外音轨、封面流，也可能真实容器和扩展名并不一致。

所以不要这样测试：

meeting.m4a
↓
meeting.mp3

这只是把文件名改了，真正的容器和编码并没有发生变化。

如果怀疑格式异常，应该从原来的录音或编辑软件重新导出，或者使用正常的本地转码工具生成一个新的文件。

三、用ffprobe读取真实容器、编码、音轨和时长

ffprobe 属于 FFmpeg 工具，不是 Windows 默认自带命令。已经安装 FFmpeg 的电脑，可以先检查：

ffprobe -version
ffmpeg -version

能够正常显示版本信息以后，再读取音频。

如果提示无法识别命令，先停止，不要从随机软件下载站单独寻找一个叫 ffprobe.exe 的文件。

对测试副本运行：

ffprobe -v error `
-show_entries "format=format_name,duration,size,bit_rate:stream=index,codec_type,codec_name,sample_rate,channels,channel_layout" `
-of json `
"C:\Audio\YoudaoCheck\meeting.mp3"

这条命令只读取信息，不会修改原音频。

重点看下面六项：

• format_name：ffprobe 实际识别到的媒体容器；
• codec_type：是否至少存在一条 audio 流；
• codec_name：音频真正使用的编码；
• sample_rate：实际采样率；
• channels：单声道、双声道还是更多声道；
• duration：文件真实时长是否被正常识别。

ffprobe完全读不到文件

如果 ffprobe 本身都无法打开文件，或者结果里根本没有 codec_type=audio，不要继续反复上传。

优先回到生成这个文件的软件，使用正常的“导出音频”“另存为”或者转码功能重新生成。

duration是0或明显异常

播放器能播放，并不能完全排除媒体结构异常。如果 ffprobe 读出的时长是0、空值，或者和播放器看到的长度明显不一致，源文件结构就值得优先处理。

四、有多条音轨时，先找到真正的人声

有些音频或媒体文件并不只有一条 audio 流。

可能出现：

• 第一条是静音轨；
• 一条是背景音乐；
• 另一条才是会议人声；
• 不同语言分别放在不同音轨。

如果 ffprobe 输出里看到多条：

"codec_type": "audio"

先记下每条流对应的 index。

后面制作测试样本时，不要机械认为第一条音轨一定就是人声。

例如真正的人声位于流索引 2，FFmpeg 应该选择：

-map 0:2

而不是固定取第一条流。

五、制作30秒WAV，只把它当成诊断样本

有道智云的长语音转写开发文档对 WAV 给出了 16kHz、16bit、单声道的推荐参数，但那属于开发者 API 文档，并不等于有道翻译网页或客户端要求所有用户音频必须采用这一组合。

这里使用它只有一个目的：尽量减少媒体结构变量，做一个容易比较的测试样本。

假设真正的人声位于第一条音频流，可以截取前30秒：

ffmpeg -ss 00:00:00 `
-i "C:\Audio\YoudaoCheck\meeting.mp3" `
-t 30 `
-map 0:a:0 `
-vn `
-ac 1 `
-ar 16000 `
-c:a pcm_s16le `
"C:\Audio\YoudaoCheck\youdao-control-16k-mono.wav"

这条命令会：

• 截取30秒；
• 只选择指定音频流；
• 排除视频或封面流；
• 转换为单声道；
• 使用16000Hz采样率；
• 输出16bit PCM WAV。

如果人声不在第一条音频流，把 -map 0:a:0 换成前面确认的实际流。

不要把这一步理解成“修复”。它只是测试。

六、30秒样本生成以后，再检查一次

对生成的样本运行：

ffprobe -v error `
-show_entries "format=format_name,duration,size:stream=index,codec_type,codec_name,sample_rate,channels" `
-of json `
"C:\Audio\YoudaoCheck\youdao-control-16k-mono.wav"

至少确认：

• 存在 audio 流；
• codec_name 为 pcm_s16le；
• sample_rate 为 16000；
• channels 为 1；
• 时长接近30秒。

然后本地播放一次。

这里比参数更重要的是：样本中到底有没有清晰的人声。

如果截到的是片头音乐、十几秒静音或者错误音轨，就算参数全部正确，也不是一个有效的转写测试文件。

七、比较原文件和短样本，下一步就清楚了

原文件	30秒测试样本	下一步重点
一直处理或没有转写结果	能够正常得到文字	原容器、编码、音轨、声道、时长或文件复杂度
失败	同样失败	当前音视频入口、账号、网络或服务状态
ffprobe无法读取	样本也无法正常生成	源文件或媒体结构
任务完成但没有文字	清晰人声样本仍然没有文字	源语言、识别阶段或当前服务

如果30秒样本成功，不能直接写成“原音频已经损坏”。

更准确的判断是：

同一段内容在更简单的媒体结构下能够正常进入处理链。

接下来才逐步恢复原来的变量。

八、短样本成功后，一次只恢复一个变量

不要因为30秒 WAV 成功，就立刻把整套录音全部批量转成 WAV。

可以按这个顺序测试：

1. 30秒单声道 WAV；
2. 2分钟单声道 WAV；
3. 更长时长；
4. 恢复原来的声道；
5. 最后测试完整文件。

例如30秒成功、2分钟成功，但完整一小时文件失败，问题范围就已经明显缩小到完整文件的时长、大小或结构。

这时没有必要再从“客户端有没有安装好”重新排查。

九、任务完成但转写为空，检查人声和源语言

“处理完成”但没有文字，不一定还是文件格式问题。

先确认：

• 测试片段确实有人说话；
• 没有长时间静音；
• 音量不是低到几乎听不见；
• 没有截到背景音乐或错误音轨；
• 当前选择的源语言与实际人声一致。

如果前30秒刚好没有人声，可以从明确有人讲话的位置重新截一段。

例如从第10分钟开始：

ffmpeg -ss 00:10:00 `
-i "C:\Audio\YoudaoCheck\meeting.mp3" `
-t 30 `
-map 0:a:0 `
-vn `
-ac 1 `
-ar 16000 `
-c:a pcm_s16le `
"C:\Audio\YoudaoCheck\youdao-control-10min.wav"

如果真正的人声音轨不是第一条，同样要修改 -map。

十、两个正常短样本都失败，就停止继续转格式

如果已经准备了两个来源明确、能够正常播放、确实包含清晰人声的短样本，而两份都无法得到正常结果，这时候继续把原文件转成十几种格式的意义已经很小。

下一步改查：

• 当前音视频翻译入口能不能正常打开；
• 账号当前是否正常；
• 网络是否稳定；
• 文本翻译等其他在线功能是否正常；
• 第二个完全不同来源的简单音频结果是否一样。

如果整个有道翻译窗口已经一起卡住，菜单、拖动和其他功能也都无法操作，就不再属于单独的音频转写问题。应转到 有道翻译主窗口未响应与事件1002排查。

这些操作不要优先做

• 把M4A直接改名成MP3：文件名变化不会改变真实容器和编码。
• 连续提交同一个大文件：输入没有变化，重复失败通常不会增加新的判断信息。
• 一看到16k单声道就当成客户端硬性限制：这里的WAV只是诊断样本，不是对客户端支持格式的统一结论。
• 短样本成功后立即批量转全部录音：这样会失去定位时长、音轨和结构变量的机会。
• 同时更换格式、网络、账号和语言：恢复以后也不知道究竟哪一个条件起作用。
• 把会议或客户录音上传到陌生在线转换站：涉及敏感内容时优先在本地处理。

有道翻译音频一直处理或转写为空检查清单

• 原音频已经保留未修改副本；
• 文件能够在本地完整播放；
• 已经用ffprobe确认真实容器；
• 已经确认存在正常audio流；
• 已经记录编码、采样率、声道和时长；
• 存在多音轨时已经找到真正的人声音轨；
• 没有通过修改扩展名冒充格式转换；
• 已经制作一个包含清晰人声的30秒诊断样本；
• 已经比较原文件和短样本结果；
• 两个正常短样本都失败以后，没有继续无目的批量转码。

常见问题

有道翻译音频一直显示处理中怎么办？

先确认上传是否已经完成。如果文件已经上传但长时间没有进入结果阶段，再用ffprobe检查真实容器、音频流、时长和声道，并用一个短音频做对照。不要先连续提交同一个大文件。

MP3在电脑上能播放，为什么有道翻译还是没有转写结果？

播放器能播放，只能证明本机可以解码。音频处理还要读取媒体容器、音频流、时长和其他结构，所以“能播放”不能完全证明文件适合当前处理链。

M4A直接改成MP3有没有用？

没有真正完成格式转换。扩展名变了，文件内部的容器和编码仍然是原来的内容。

一定要转成16k、16bit、单声道WAV吗？

不是。本文使用这种 WAV 只是为了降低诊断变量。有道智云长语音转写的开发文档对 WAV 推荐这组参数，但它不能直接等同于有道翻译网页或客户端的唯一允许格式。

30秒WAV正常，完整录音一直处理说明什么？

说明简单结构下可以进入处理链。接下来应该逐步增加时长和恢复原来的声道、音轨等变量，找出在哪一步重新失败。

任务显示完成，为什么还是没有一个字？

先确认测试片段中确实有清晰人声，并核对源语言、静音段和实际人声音轨。如果两个已知正常的短样本都没有结果，再扩大到当前入口、账号、网络或服务状态。

参考来源

1. 有道翻译：音视频翻译入口
2. 有道智云：长语音转写API文档
3. FFmpeg：ffprobe官方文档