音述AI“分离失败”或卡在预处理阶段，是因音频未通过底层校验：需确保采样率≥16kHz、时长3–15秒、格式为WAV/MP3/FLAC/OGG、单声道、文件≤5MB，且含清晰人声起始、无损坏或编码异常。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
音述AI上传音频后提示“分离失败”或直接卡在预处理阶段，说明音频文件未通过系统底层校验，不是模型能力问题而是输入不符合硬性门槛。必须逐项核对采样率、时长、声道、格式与文件完整性，漏掉任意一项都可能导致整个流程中断。
检查音频基础参数是否达标
打开音频文件属性（右键→属性→详细信息），确认五项关键指标：【采样率必须≥16kHz】，低于此值分离模块会直接跳过处理；时长严格控制在3–15秒之间，少于3秒特征向量无法生成，超过15秒触发超时熔断；文件格式限WAV/MP3/FLAC/OGG，不支持M4A或ACC；声道优先用单声道（Mono），立体声虽可识别但易因左右通道相位差导致分离抖动；文件大小不能超过5MB，大体积往往意味着高码率冗余或隐藏静音段。
若发现采样率不足，用Audacity打开→“编辑→偏好设置→质量→默认采样率”设为16000Hz→导出时选WAV（无压缩）→重命名后重新上传。
验证音频内容是否含有效语音信号
分离失败常因音频本身无实际人声：纯背景音乐、长时间静音、只有环境噪音（如空调声、键盘敲击）、或全程被严重削波失真，都会被系统判定为“无效语音流”而拒绝处理。
用播放器放大音量听前3秒——必须有清晰可辨的发音起始点（如“你好”“大家好”），不能是渐入式淡入或混响拖尾过长的片头。若原始录音开头有2秒黑场，需用剪映或Audacity手动裁切掉，保留从第一个音节开始的干净片段。
这一步操作起来很简单，直接把文件拖进Audacity→按Shift+A全选→看波形图是否有明显振幅起伏，没有起伏就别传了。
排查文件损坏与编码异常
方法一：用FFmpeg命令行快速检测
打开终端，执行ffprobe -v quiet -show_entries format=duration -of default "your_audio.wav"，若返回duration=N/A或报错Invalid data found when processing input，说明文件头损坏或编码异常，需重录或换工具导出。
方法二：更换封装容器再试
有些录音笔导出的WAV实际是PCM以外的编码（如IMA ADPCM），表面后缀是.wav但内核不兼容。用金舟音频转换器将原文件转成“WAV (PCM, 16bit, 16kHz, Mono)”格式，强制刷新容器结构，90%的隐性损坏问题可解决。
【切勿用格式工厂等工具做“无损转换”】——它常保留原始缺陷编码，看似没变实则更糟。
确认网络传输过程未截断
第一步：上传后立即查看浏览器开发者工具（F12→Network→Filter填audio）
第二步：找到上传请求，点击→看Response标签页是否返回{"code":0,"msg":"success"}
第三步：若Response为空或显示net::ERR_CONNECTION_ABORTED，说明上传中途断开，需切换网络或禁用杀毒软件的HTTP扫描模块。
此时不要反复重试，先清空浏览器缓存，换Chrome无痕模式重传一次。若仍失败，改用下载后的离线版音述AI客户端处理，绕过网页端传输链路。
