---
title: "OverlapAwareChunking"
type: concept
tags: ["voice-ai", "audio-processing", "transcription", "chunking"]
last_updated: 2026-05-02
---

# OverlapAwareChunking（重叠感知分块）

## Definition

Overlap-Aware Chunking 是将超长音频（>30 分钟）切分为多个重叠片段再分别转录的技术。重叠窗口（默认 30s）在合并阶段被裁剪，防止词边界在切分处被切断而产生重复或遗漏。

## The Problem

Whisper 类模型有最大输入时长限制（通常 30 秒到 10 分钟，取决于模型）。超出限制的音频如果直接截断，会导致：
1. 词在切分点被切断 → 产生乱码/重复词
2. 最后一块音频尾部被截断 → 内容丢失
3. 丢失跨块语义连贯性

## The Solution

```
原始音频（120 分钟）
       ↓ 分块（每块 30 分钟，重叠 30 秒）
chunk_0000: [0:00 - 30:30]
chunk_0001: [30:00 - 60:30]  ← 重叠 30 秒
chunk_0002: [60:00 - 90:30]  ← 重叠 30 秒
...
       ↓ 逐块 FasterWhisper 转录
       ↓ 合并（裁剪重叠区域）
最终转录文本（无重复/遗漏）
```

## Key Parameters

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `chunk_duration` | 1800s（30分钟） | 每块时长 |
| `overlap` | 30s | 重叠窗口大小 |
| 合并时裁剪 | 30s | 从第二块开始，裁掉前 30 秒 |

## Critical Insight

> "Overflow is silent and corrupts output without error." — 溢出无声损坏输出

分块策略的错误不会抛出异常，只会在最终合并的转录文本中出现乱码/重复/遗漏，难以事后发现。

## Related Concepts
- [[FasterWhisper]] — 分块音频的转录执行方
- [[VoiceActivityDetection]] — VAD 过滤在分块前执行效果更佳
- [[StructuredTranscriptJSON]] — 分块合并后结构化输出的最终格式

## Related Sources
- [[engineering-voice-ai-integration-engineer]]