如何轉錄訪談:格式與最佳工具(2026)

訪談結束了。對話很順利,錄音也保存好了,現在卻有一小時的音訊檔擋在你和真正的工作之間:分析、寫文章,或做出聘用決定。在進行任何後續工作之前,必須先把訪談轉成文字。
轉錄訪談聽起來像是一項工作,實際上卻藏著三個不同的決定:需要哪種逐字稿風格、採用哪種格式,以及哪種方法最符合你的預算與期限(自己打字、使用 AI 軟體,或委託人工服務)。本指南會逐一說明,並提供可直接複製的逐字稿範例、成本比較,以及給研究人員、記者和招募人員的具體建議。
⚠️ 本文依據截至 2026 年 8 月可公開取得的資訊與使用者回饋獨立彙整。
目錄
- 什麼是訪談逐字稿?
- 逐字稿或潤飾逐字稿:先選擇轉錄風格
- 訪談逐字稿格式與範例
- 如何轉錄訪談:比較 3 種方法
- 逐步教學:使用 AI 轉錄訪談
- 如何挑選訪談轉錄軟體
- 依使用情境提供轉錄技巧
- 多語訪談:何時需要翻譯逐字稿
- 常見錯誤與法律注意事項
- 常見問題
- 結語
什麼是訪談逐字稿?
訪談逐字稿是記錄訪談內容的書面文件,會標示誰說了什麼,通常包含發言者標籤,許多也會附上時間戳記。錄音轉成文字後,你就能搜尋、引用、進行質性分析編碼、與同事共用,或附加到應徵者的檔案中。
逐字稿不等於筆記或摘要。筆記記錄你當下的理解;摘要則在事後濃縮對話內容。逐字稿保留了對話本身,這正是許多工作流程需要逐字稿的原因:研究人員需要受訪者的原話來編碼和引用,記者需要能夠佐證的準確引言,招募人員則需要客觀紀錄,以便日後比較應徵者。
逐字稿通常不是最後成果,而是後續所有工作的原始材料。因此,實際目標是在準確轉錄的同時,盡可能減少自己花費的時間。
逐字稿或潤飾逐字稿:先選擇轉錄風格
使用工具前,先決定文字需要保留多少原始細節。轉錄風格有不同程度,選錯會浪費數小時,或破壞原本需要的資料。
- 完整逐字稿保留所有內容:填充詞(「嗯」、「你知道」)、說到一半的話、重複、笑聲和停頓。如果說話方式本身很重要,就選這種格式:語篇分析、部分質性研究傳統、法律情境,以及猶豫本身就代表一項訊號的 UX 研究。
- 潤飾逐字稿(也稱智慧型逐字稿)會刪除填充詞和未說完的話,但保留每個完整句子。文字讀起來自然,也不改變原意。新聞採訪、招募、Podcast 和大多數商務訪談都適用。
- 編輯或摘要式逐字稿會濃縮並改寫內容,讓閱讀更順暢。只有逐字稿用來傳達資訊而非做為證據時才使用,例如訪談文章或內部摘要。
實用原則:如果你要引用受訪者或分析回答內容,使用完整逐字稿或潤飾逐字稿;如果讀者只是需要了解對話內容,選潤飾版或編輯版會更容易閱讀。
訪談逐字稿格式與範例
沒有唯一的官方格式,但三種慣例涵蓋了幾乎所有情況。無論選哪種格式,都要在整份逐字稿中保持一致。
問答格式
這是最容易閱讀的一對一訪談格式。標示訪談者和受訪者(可使用姓名縮寫或角色),每輪發言另起一行:
訪談者:去年是什麼原因讓你決定更換工具?
R. Alvarez:老實說,決定因素是匯出功能。我們需要讓法務團隊能審閱逐字稿,但舊工具把所有資料都鎖在自己的 app 裡。
訪談者:遷移花了多久?
R. Alvarez:大約兩週,大部分時間都花在整理舊錄音。
含時間戳記的發言者標籤格式
多人訪談或需要回頭核對音訊的情況,可在每次發言者切換時(或每隔固定時間,例如 30 秒)標示時間戳記:
[00:03:12] 主持人:我們來談談新手引導的使用體驗。
[00:03:18] 參與者 2:第一週還可以。到了第二週我就不知道該做什麼了,因為再也沒有人負責替我設定。
[00:03:31] 參與者 1:我也一樣。我送了三張支援單,才有人回覆。
質性研究格式
研究逐字稿通常會加上行號或段落編號以方便引用、用匿名代碼標示受訪者(P1、P2),也會用中括號標註其他資訊:
042 訪談者:這項變動如何影響你的日常作息?
043 P1:一開始沒有影響。[笑] 我還是每件事都手動處理,因為我不相信那些數字。大概六週後,
044 我才終於不再重複檢查。
無論採用哪種格式,三項習慣都能省下日後的麻煩:聽不清楚的片段明確標示為「[00:14:22 聽不清楚]」,不要自行猜測;如果非口語情境會改變意思,就用中括號標示(「[笑]」、「[長時間停頓]」);並在文件頂端用標題區塊列出訪談日期、參與者和時長。
如何轉錄訪談:比較 3 種方法
從錄音到逐字稿有三種實際做法。以下是誠實比較:
| 人工(自己處理) | AI 轉錄軟體 | 人工轉錄服務 | |
|---|---|---|---|
| 一般成本 | 免費(花自己的時間) | 從免費方案到每月約 10 至 30 美元 | 通常每分鐘音訊約 1 至 2 美元 |
| 一小時音訊所需時間 | 常見需要 4 至 8 小時 | 幾分鐘 | 幾小時到幾天 |
| 清晰音訊的準確度 | 高(自己轉錄) | 高,但偶爾會把人名或術語辨識錯誤 | 最高 |
| 發言者辨識 | 手動 | 多數工具自動處理 | 包含在服務中 |
| 處理音質差或口音明顯的音訊 | 可以,但速度慢 | 最弱的一環 | 能力較強 |
| 最適合情境 | 短片段、不能上傳的敏感內容 | 2026 年的大多數訪談 | 法律、法遵或出版級逐字稿 |
人工轉錄是傳統做法:播放、暫停、打字、倒帶。估算時間雖然不同,非專業轉錄者一般需要音訊長度的四到八倍時間,因此一小時的訪談可能耗掉整整一個工作日。五分鐘的短錄音,或政策禁止將音訊上傳至任何服務時,這種方式仍然適用。
AI 轉錄軟體已成為大多數團隊的預設選擇。現代語音辨識能處理清楚的對話音訊、自動分辨發言者,幾分鐘內就產生可搜尋的逐字稿。音訊混亂、多人同時發言和專業詞彙仍是弱點,因此工作流程中還是需要快速人工檢查。
人工轉錄服務會由專業人員處理音檔。截至 2026 年 8 月,人工服務每分鐘通常約 1 至 2 美元,依服務等級不同,完成時間從幾小時到幾天。法院、出版商或法遵團隊會逐字依賴內容時,就值得考慮。
對多數人來說,實用的做法是混合使用:由 AI 處理大量內容,再用 10 至 20 分鐘檢查人名、術語和準備引用的段落。
逐步教學:使用 AI 轉錄訪談
以下以 SuperIntern 示範完整流程。SuperIntern 是免機器人的桌面會議助理,會直接從裝置擷取音訊,因此適用於 Zoom、Google Meet、Teams、透過電腦播放的電話通話,以及實體訪談的錄音設備檔案。

訪談已經結束(音訊檔)
- 上傳錄音檔。SuperIntern 接受音訊檔並自動分離發言者進行轉錄,因此會直接標示「發言者 1/發言者 2」。
- 修正發言者姓名。將辨識出的發言者改成「訪談者」和受訪者姓名或代碼。只要做這一次修改,整份逐字稿就會變得更容易閱讀。
- 播放音訊並檢查內容。快速瀏覽逐字稿並抽查姓名、數字和技術詞彙。趁還記得訪談內容,修正少數辨識錯誤。
- 產生摘要。系統會自動整理重點和後續事項,可作為逐字稿文件的封面摘要。
- 匯出或查詢。複製逐字稿到偏好的格式,或在內建 AI 聊天中提問,例如「列出所有關於定價疑慮的引言」。
訪談正在進行
- 通話前先啟動 SuperIntern。機器人不會加入會議;app 會聆聽系統音訊和麥克風,因此受訪者只會看到一般通話。
- 讓逐字稿即時產生。對話過程中會出現區分發言者的文字,讓你能保持眼神接觸,不必忙著打字。
- 使用 AI Canvas 整理筆記。指定需要記錄的內容(主要回答、值得引用的原話、後續問題),系統就會在完整逐字稿逐步累積時,即時整理筆記。

無論採用哪種方式,最後都會得到標示發言者的逐字稿和摘要,而不是一份音訊檔加上待辦的轉錄工作。截至 2026 年 8 月,SuperIntern 提供不需信用卡的免費方案,以及每月 20 美元、包含 100 小時的 Plus 方案。價格可能變動,請確認官方網站。
如何挑選訪談轉錄軟體
比較「訪談轉錄軟體」時,可以用以下檢查清單評估每個工具:
- 實際音檔的準確度。用自己的真實錄音測試,不要只看供應商示範。口音、領域術語和房間回音最容易讓工具之間出現差異。
- 發言者辨識。訪談不可或缺。檢查多人搶話時是否仍能正確辨認。
- 時間戳記和連結音訊播放。確認引言應只花幾秒,不應花時間在音檔中到處找。
- 檔案上傳與即時擷取。有些工具只能轉錄上傳檔案,有些只能處理即時會議。訪談有兩種情況,優先選擇都能處理的工具。
- 語言支援。確認可轉錄的語言;若經常進行國際訪談,也要確認翻譯功能。
- 自訂詞彙。產品名稱和技術詞彙的個人詞庫,能大幅減少重複訪談專案的校正時間。
- 隱私和資料處理。音訊存在哪裡、保存多久、是否用於訓練?研究和招募訪談中,這些可能是硬性要求,而不是偏好。
- 匯出格式。你得能將逐字稿帶出工具:純文字、Word,或能保留發言者標籤的複製貼上方式。
市場現況補充:Otter.ai 或 Notta 等通用 AI 轉錄工具著重上傳檔案和機器人加入會議;OpenAI Whisper 等開放原始碼工具免費,但需要技術設定,並另外處理發言者分離;人工服務的準確度仍然最高。SuperIntern 的做法是在同一項工具中同時支援上傳檔案和免機器人即時擷取,並在對話中產生結構化筆記。哪種取捨最適合,取決於上方清單;功能細節可能變動,請查看各工具的官方說明。
依使用情境提供轉錄技巧
質性研究
第一場訪談之前就決定轉錄規範並記下來:逐字保留程度、匿名代碼和註記符號。所有訪談保持一致,比個別選擇更重要,因為你會依照逐字稿進行編碼。每次訪談後盡快轉錄或至少檢閱逐字稿,趁記憶清楚時釐清模糊片段。將音訊上傳到雲端服務前,也要確認研究機構規定;匿名資料需在裝置本機處理,或只能使用核准供應商,都是常見要求。
新聞採訪
一般採用潤飾逐字稿,但在文章出版前要保留原始錄音:如果有人質疑引言,音訊就是佐證。附時間戳記的逐字稿能大幅加快事實查核。長期調查專案中,所有訪談的可搜尋逐字稿檔案庫會成為專案真正的資料庫。
招募和求職面試
有逐字稿後,面試者就能專心聆聽,不必一直打字;面試檢討時也能根據客觀內容討論:應徵者實際說了什麼,而不是某位面試官記得什麼。使用時要公平且合法:事先告知應徵者會轉錄、每個人採用相同流程,逐字稿也應受到和其他應徵者資料相同的存取控制。
UX 和客戶研究
真正有價值的是精確用詞:使用者描述問題的方式,常常比問題本身更有參考價值。採用完整逐字稿或潤飾逐字稿,並在訪談結束、內容還清楚時,就把重要引言整理到研究資料庫。
多語訪談:何時需要翻譯逐字稿
國際研究和招募訪談還多了一層問題:訪談使用的語言,不是部分關係人能閱讀的語言。傳統流程是先轉錄,再送去翻譯,成本和等待時間都會加倍。

現代工具可以合併處理這些步驟。例如 SuperIntern 能在訪談時顯示支援 50 多種語言的即時翻譯字幕,並以團隊使用的任何語言產生摘要,不受實際對話語言影響。以西班牙語進行的使用者訪談,幾分鐘後就能在資料庫中取得英文摘要,同時保留原語逐字稿供查證。
常見錯誤與法律注意事項
以下錯誤最浪費時間:
- 錄音時不夠謹慎。轉錄品質受音訊品質限制。可能的話使用外接或耳機麥克風,並在訪談前先試錄 10 秒。
- 為了「以防萬一」把所有內容都完整逐字轉錄。如果分析不需要保留填充詞,就會花大量時間整理雜訊。
- 跳過人工檢查。AI 輸出品質良好,但人名、數字和術語最容易出錯,而這些也正是你會引用的內容。
- 沒有標示發言者。如果逐字稿中的「發言者 1」和「發言者 2」一直沒有對應到實際人物,逐字稿的價值會少掉一半。訪談結束後立即修正標籤。
- 隔好幾週才轉錄。記憶越模糊,音訊中的每個模糊片段就越難確認。
法律方面:錄製訪談一般需要取得同意。在美國,有些州只要求一方同意,其他州則要求所有參與者同意;其他國家也有各自的規定,公司政策可能比法律更嚴格。安全又專業的做法很簡單:每場訪談開始時都先明確詢問(「我想錄下來,方便準確轉錄,可以嗎?」)。研究同意書也應涵蓋錄音、轉錄、資料儲存方式和匿名處理方式。
常見問題
轉錄一小時的訪談需要多久?
如果手動轉錄,且不是以此為業,應預留四到八小時。AI 軟體幾分鐘內就會產生草稿,人工服務通常需要幾小時到幾天。常見的理想做法是先用 AI 產生草稿,再花 10 至 20 分鐘人工檢查。
訪談轉錄需要多少費用?
人工轉錄不需付費,但會花自己的時間。AI 轉錄工具通常有免費方案,付費方案每月大約 10 至 30 美元。截至 2026 年 8 月,人工服務每分鐘約 1 至 2 美元,因此一小時訪談大約需要 60 至 120 美元。
AI 轉錄適用於質性研究嗎?
音訊清晰時,AI 草稿的品質足以讓許多研究人員以它為基礎,再對照錄音檢查,既保有研究嚴謹度,也節省大部分時間。口音很重、背景吵雜,或研究要求完整逐字稿時,應預留更多檢查時間或委託人工服務。無論採用哪種方式,都要在研究方法中記錄處理流程。
如何依照 APA 格式引用訪談逐字稿?
自己進行的訪談在 APA 格式中視為個人通訊,在內文引用(姓名縮寫、姓氏、「個人通訊」及日期),不需要列入參考文獻。出版過的訪談則引用它出現的來源。實際格式請依目前版本的 APA 指南確認。
錄音和轉錄訪談需要取得同意嗎?
實務上需要:錄音前應先向每位參與者說明並取得同意。法律上的同意規定依司法管轄區而異(美國各州有單方或全體同意等不同規則,其他地區也有不同規定);研究倫理審查單位或公司政策通常也會要求明確同意。
逐字稿和會議紀錄有什麼差別?
逐字稿記錄對話本身,可能完全逐字或接近逐字;會議紀錄則是有架構地整理決策和待辦事項。訪談幾乎都需要逐字稿,內部會議通常需要會議紀錄。有些工具(包括 SuperIntern)能根據同一場活動同時產生兩者。
可以從影片檔轉錄訪談嗎?
通常可以,因為重要的是音訊軌。多數轉錄工具接受常見影片格式,也能先擷取音訊再上傳。準確度仍取決於聲音收錄是否清楚,不取決於影片本身。
結語
做好訪談轉錄,要按正確順序做出三個選擇:先挑選符合工作需要的逐字保留程度,再選擇一致的格式(以上範例都能直接複製),最後選擇符合期限與預算的方法。2026 年多數情況下適合用 AI 產生草稿,再人工檢查細節;特殊情況可手動打字,出版級需求則使用人工服務。
如果工作經常需要訪談,最大的效益來自自動化轉錄:錄下對話後預設取得標示發言者的逐字稿和摘要,把注意力用在對話本身。免費試用 SuperIntern:上傳過去的訪談,或即時記錄下一場,通話中不會有機器人加入,也不需要信用卡。
