跳至主要內容

AI 语音识别 —— 用 AI 自动生成同步歌词


AI 语音识别 —— 用 AI 自动生成同步歌词

歌曲没有歌词时,OnePlayer 可以用 AI 听一遍人声,生成带时间的同步歌词。有两种识别方式:在本机识别,或者填上你自己的 API Key 用云端识别。两种都是高级版功能。

打开 设置 → 歌词 → AI 语音识别引擎 选择识别方式,然后在没有歌词的歌曲播放页发起识别。

1、两种识别方式

本地 AI 识别自带 API Key
系统要求iOS 26 及以上iOS 15 及以上
音频去向留在本机,不上传从手机直接发给你选的服务商,不经过 OnePlayer
费用高级版功能,不限次数高级版功能,服务商从你自己的账户按用量收费,OnePlayer 不额外收费
歌曲时长上限10 分钟15 分钟
实测字错率约 21%千问约 7%
行首和原唱相差不到 1 秒62%千问 84%

想让音频留在本机,选本地 AI 识别;想要更准、要识别粤语,或者系统低于 iOS 26,选自带 API Key。实测一首粤语歌,只有千问基本识别正确。

实测数据来自 2026 年 10 月的 4 首中文歌,实际效果会因歌曲和演唱而不同。

自带 API Key、后台识别和写入歌曲文件需要 OnePlayer 5.5 或更高版本。

2、设置自带 API Key

支持千问(阿里云百炼)和火山引擎(豆包语音)。不确定选哪家,建议先用千问,页面上还有「查看价格」入口。

  1. 打开 设置 → 歌词 → AI 语音识别引擎,在「自带 API Key」里轻点 设置 API Key。
  2. 选服务商和地域,轻点 前往控制台获取 Key 创建 API Key。Key 要在所选地域创建,火山方舟以 ark- 开头的 Key 不能用。
  3. 粘贴 Key,轻点 测试并保存。测试时 OnePlayer 会发一秒静音检测 Key,服务商可能收取极少的费用。
左:引擎页里的「自带 API Key」;右:选服务商、地域,粘贴 Key
左:引擎页里的「自带 API Key」;右:选服务商、地域,粘贴 Key
  • 音频不经过 OnePlayer —— 歌曲音频从手机直接发给你选的服务商,OnePlayer 收不到你的音频、API Key 和识别出的歌词。
  • Key 只留在本机 —— 保存在这台设备的钥匙串里,只会发往服务商的官方地址,随时可以删除。
  • 费用 —— 实测千问一首歌约 ¥0.003,火山引擎约 ¥0.06,以服务商账单为准。
  • 长歌自动切段 —— 用千问时,超过约 4 分 40 秒的歌会分段识别,再按文字把接缝对齐。
  • 上传量小 —— 音频先转成 16 kHz 单声道 m4a,一首歌约 2MB。

3、开始识别

在播放页轻点 … → AI识别歌词,或者点没有歌词的歌在歌词区显示的按钮。

轻点「AI识别歌词」,歌词区显示进度,完成后直接换上新歌词

识别在后台进行,不管用哪种方式:

  • 不用等 —— 切歌、去别的页面、把 App 切到后台都可以,歌词会回到它该去的那首歌。
  • 多首歌排队 —— 接着给别的歌点识别,它们依次排队,一次识别一首;… → AI 识别任务 里能看到全部任务。
  • 随时能取消 —— 歌词区显示进度和取消按钮;用自带 API Key 时,已经发出的请求,服务商可能仍会计费。
  • 完成有提示 —— 停在播放页就直接换上新歌词,在别的页面会弹出横幅,App 在后台时发一条通知(需要已允许通知)。
左:多首歌排队识别;右:在别的页面,完成后弹出横幅
左:多首歌排队识别;右:在别的页面,完成后弹出横幅

4、歌词时间格式

在「AI 语音识别引擎」页切换:

  • 逐行 —— 每行歌词一个时间戳(标准 LRC 格式)。
  • 逐字 —— 每个字都带行内时间戳,可实现卡拉 OK 式的逐字高亮,歌词画面也能一个字一个字点亮。

5、写入歌曲文件

识别出来的歌词可以写进歌曲文件,换一个播放器也能看到。识别完成后轻点 写入文件 就行。

  • 写到哪里 —— 默认写进音频文件的歌词标签,也可以改成同名 .lrc 文件;不支持内嵌的格式会存成 .lrc。
  • 自动写入 —— 在「AI 语音识别引擎」页打开 识别完成后自动写入,默认关闭。
  • 不会误覆盖 —— 自动写入时,文件里已有歌词的不会被覆盖;手动写入要覆盖时会先问你。
左:识别完成后轻点「写入文件」;右:写入设置
左:识别完成后轻点「写入文件」;右:写入设置

网络歌曲(SMB、WebDAV)和 Apple 音乐资料库里的歌曲不能写入。

6、其他说明

  • 识别结果仅供参考。 准确度受语言、吐字清晰度、伴奏音轨等因素影响,无法保证 100% 准确。
  • 识别有误可以手动修改。 在播放页点击歌词,选择 编辑歌词,即可手动调整时间或文字。
  • 第一次识别某种语言。 用本地 AI 识别时,iOS 会在后台自动下载对应的语音模型。
  • 纯音乐不乱写。 实测纯音乐不会被编出歌词。