AI 转写还是人工转写：选择前应比较什么

本文原始版本描述了一次实验：将同一段 60 分钟录音交给九项服务，包括三项 AI、五项人工，以及一项自动识别加人工校对的混合服务。

原文称总支出为 US$4,237，逐词比较用了 47 小时，但后面的订单金额并不能解释这一总额。本文也没有附上参考文件、收据或完整可复现方法。因此，下文是对源文所报告数据的介绍，不是本次重新验证的测试，也不是供应商当前排名。

值得讨论的问题依然成立：什么情况下哪种方式更合适？哪些错误真正影响使用？

测试录音是英语，不能直接推断中文或其他语言的效果。德语语音识别对比提供另一种语言的数据视角，该参考页面为英文。

选择不仅关乎百分比或交付速度，还取决于文本用途，以及校对所需的实际工作量。

原文如何描述实验？

单人在录音棚清晰讲话，未必能揭示不同方法的局限。原文选择了更难的医学会议讨论：四位医生用带美国、英国、印度和尼日利亚口音的英语发言，包含医学术语、观众噪声与问答中的重叠声音。

文件为 60 分钟、128 kbps 的 MP3。AI 服务列为 TranscribeNext、Otter.ai Plus 和 Rev AI；其现价取决于套餐与计费方式，不能从这份历史记录推断。

原文列出的人工订单金额是 Rev Human US$90、GoTranscript US$72、TranscribeMe US$99、Scribie US$60、Upwork 自由职业者 US$120；混合服务 Verbit 为 US$180。这些均为源文报告值，不是当前报价。

原文报告的结果

作者称进行了逐词比较并分类错误。以下保留同一小时录音的报告数字。

历史记录中的数字

一个百分比隐藏了什么？

91.2% 看起来可能够用，但在约一万词的文本中，879 处错误相当于约每 11 个词出现一处。

原文举例把“atrial fibrillation”写成“aerial fibrillation”，还报告 23 处说话人归属错误。保留英文是因为错误依赖原语言的声音与拼写；前者指心房颤动，后者不是正确医学术语。

Rev Human 的 170 处错误则被描述为主要涉及逗号和犹豫，没有关键医学术语或说话人标签错误。这样的区别，比单纯比较 91% 与 98% 更影响用途。

但方法存在局限：源文混合统计词、标点和说话人错误，没有统一指标定义。这些百分比不能直接等同于标准词错误率 WER，也不能与其他基准横向比较。

不能忽略语言

上表来自英语录音，对中文、泰米尔语等语言的表现说明很有限。

“支持 100 多种语言”不代表每种语言同样准确。源文曾描述按数据与表现将语言分成 15、25、30、30 个的四组，但这种分组本身并非评测证据。

训练数据、口音、麦克风和主题都可能影响结果。接受一个准确率数字前，先问语言与测试条件，再用自己的录音验证。

什么情况下 AI 更合适？

速度

表格给 TranscribeNext 记为八分钟，源文另一处又写包括上传下载共十一分钟，计时边界未完全说明。因此稳妥的结论是“以分钟计”，不是固定八分钟保证。

原文最快人工交付约十五小时。下午两点采访、五点交稿的记者，可能更需要当天即可检索的自动初稿，但用于报道的引语仍应对照音频核实。

费用

源文给出的历史平均值是 AI 每音频小时 US$11.33，人工 US$88.20，相差约 7.8 倍。按相同假设处理一百小时，是 US$1,133 与 US$8,820，尚未计校对。

这不是 TranscribeNext 当前单价。我们的套餐有不同限制，不能直接换算为统一按小时收费。比较时应使用实际使用量，并计入订阅、分钟费和纠错工时。

可预测性

源文另提 AI 结果在 87%–93%、人工在 89%–99.5% 之间，却未详述样本。这提醒我们考虑稳定性，但不能证明某一类别永远更稳定。

相似文件的自动流程可能更便于计划；人工交付也取决于专业程度、质控和人员安排。应比较具体服务条件，而不只是“AI”或“人工”的标签。

人工校对在哪些地方更有价值？

语境与专业术语

原文中的“We saw a significant increase in PD patients”被部分自动输出写成“pee-dee patients”或“PD patience”，据称只有一项 AI 保留了正确缩写。

五位人工转写者被描述为记录正确，其中三位加注“[PD = Parkinson's Disease]”。这类解释指向帕金森病，但必须明确是编辑注释，不能伪装成说话人的原话。

另一句“The patient was given two liters of NS”出现了“two leaders of N S”或“two liters of N's”等错误。原文称人工识别了生理盐水的语境，并有时解释缩写。

合格校对的价值在于回听、查证和判断语境，但人也可能过度推断。无法确认的缩写应标记疑问，而不是只因某种解释合理就确定写入。

口音

原文称尼日利亚医生每分钟约 180 词，其片段中 TranscribeNext 为 79%、Otter 为 72%，最佳人工结果约 98%。

示例原句是“The prophylactic antibiotic regimen reduced postoperative infections”，错误输出包括“The profile active antibiotic region reduced post operative infections”和“The profile at it can to buy out a regimen reduce postoperative infections”。

本文未附完整参考音频以核验这些行。实际启示是：测试自己会遇到的口音，并给困难片段留校对时间，不要外推录音棚演示的平均值。

重叠发言

两人同时讲话时，原文给出混在一起的输出：“Yes I think that the answer to your absolutely question is we need to consider that more research”。

更谨慎的处理是标注 `[重叠发言]`、保留能听清的部分并注明时间。承认无法分辨，比拼出一句没人真正说过的流畅文字更可靠。

格式

源文用无标点初稿举例：

```

speaker one okay so the main thing we need to discuss is um you know the the protocol changes and uh speaker two yeah absolutely i mean uh we saw some really interesting results...

```

并对比整理后的版本：

```

Dr. Sarah Chen: The main thing we need to discuss is the protocol changes.

Dr. James Wilson: Absolutely. We saw some really interesting results in the Phase II trial, especially with the dosing schedule.

```

示例保留英文以展示原文比较。整理口头语、加名字和段落有助阅读，但不能凭空补入录音中没有的二期试验或给药细节。上面第二版中的新增细节是否有录音依据，必须另行核实。

现代自动工具也能加标点和区分说话人，因此不能将全部 AI 输出描述为一串无格式文字。关键是自己的文件还需要多少人工工作。

如何理解“最高 99% 准确率”？

“最高”说明某些条件下可能达到，不是任意文件的保证。可查看 Rev 的准确性说明及各家的评测条件。

清晰、低噪声、常见词汇，与四种口音的医学讨论不同。也不能反过来仅凭免责声明，就断言供应商只在实验室里成功过一次。

如果错误定义相同，一万词中 99% 约意味着一百处错误，91% 约意味着九百处，校对负担可能差很多。人工服务的质量保证也有条件，应直接核对，不把一个 98.3% 的历史样本当成普遍保证。

错误的后果并不相同

总体错误率不能独自说明风险，应按后果分类。

改变意思：例如把“稳定”变成“不稳定”、“阳性”变成“阴性”。原文报告 AI 每万词约八十处、人工两处，但未提供标注清单可审计；这一类别的重要性并不依赖该数字。

损害可信度：姓名、职务和术语错误。原文称 AI 高二十倍，仍缺少可复核数据。

影响理解：标点和说话人归属错误，原文称自动组高九倍。

版式或风格：犹豫和格式不一致，原文称高 2.5 倍。但在会话分析中，犹豫可能是数据，而非应消除的错误。

源文另列严重错误率 3% 与 0.12%，两者相除是 25，不是 24。缺少清晰定义时，这一倍数也不应推广为通用结论。

保留一个“嗯”和把“建议治疗”写成“不建议治疗”，是完全不同的影响。校对强度应与后果相匹配。

如何选择？

可以先考虑 AI 的情况

需要快速初稿、文件量大、录音较清楚、预算有限，并且有人能核对结果。比如记者先检索采访、播客生成文字底稿，或研究者开始整理访谈。

按真实使用量、语言和导出需求比较套餐，并在不同工具上测试同一个片段。

应考虑专业人工转写或复核的情况

错误可能影响重要决定、音频很难听清、术语专业，或交付有正式要求。

证言、临床文件和程序性材料可能要求特定资质与流程。普通人工校对不自动等于认证、法律适用或专业合规。源文历史价格为每分钟 US$1.50–4，不能替代当前询价；还需确认语言、期限、质控和保密范围。

适合混合流程的情况

既希望迅速得到初稿，又需要严格复核；或大部分录音清楚，少数片段困难。

AI 先生成文本，再由人对照录音修正并标记疑点。是否比从零听打便宜，取决于初稿质量和审查深度。Verbit 等服务提供混合方式，也可以使用 TranscribeNext 后另聘校对。价格与范围应直接确认。

把自己的时间算进去

用明确假设计算一小时音频：

AI：分摊服务费 US$9，加 45 分钟校对。若您的工时值 US$50／小时，校对成本 US$37.50，总计 US$46.50。

人工服务：服务费 US$90，加 15 分钟复核，即 US$12.50，总计 US$102.50。

差额为每音频小时 US$56，一百小时为 US$5,600，前提是上述假设全部不变。

若工时值 US$100／小时，两者分别为 US$84 与 US$115，差额缩小为 US$31。

该例的盈亏平衡点是 US$162／小时：`9 + 0.75 × 工时单价 = 90 + 0.25 × 工时单价`。原始版本写 US$108，与自身前提不符。

US$9 不是 TranscribeNext 的固定费率。 请替换为套餐实际分摊、真实校对时间和人工报价。对部分专业人士，委托校对可能比亲自完成更经济。

实用混合流程

原文的“90% AI、10% 专业复核”模式

作者描述多数工作先用 AI，敏感材料交给专业人员。建议流程为：

1. 在获得相应处理授权后上传音频。

2. 阅读初稿并标记疑点。

3. 回听引语、数字、姓名和关键内容。

4. 修正文字与说话人。

5. 将高风险材料交给有相应能力和权限的专业人员复核。

源文称许多文件约需三十分钟校对，但个人笔记与出版、研究或正式文件的标准不同，不能统一套用。

其一百小时／月示例为混合模式 US$1,700、全人工 US$9,000，按这些假设一年差 US$87,600。这是示例计算，不是报价，也不保证达到 99% 准确率。

原文案例与应保留的疑问

原文提到三家未提供足够独立核验资料的组织。这些场景有助思考工作流程，不应拿来预测自己的收益。

律师事务所：原文称每年超过五百小时，费用从 US$750,000 降至 US$150,000，正式提交材料仍由人工复核。这些金额远高于前面的小时费率，却没有解释服务范围。不能在不了解要求的情况下比较；即使不提交法院，文件也可能需要严格校对。

医学研究者：两百次访谈，原文称原预算 US$36,000、六个月，改用 AI 并自行核对术语后少于 US$5,000、两周。实际是否合适还取决于同意、保密、研究方案与内容核验，而非费用一个指标。

播客网络：每月八十期，原文将人工 US$9,000 与 AI US$3,600 对比，并提到自然流量增长 340%。没有数据隔离转写的作用，不能认为使用转写即可获得相同增长。

为自己的用途作决定

真正的问题不是“AI 还是人”，而是“这个用途需要什么准确性与复核流程”。个人笔记、研究初稿、播客文稿或会议记录都可从 AI 开始，但校对标准应与用途匹配。

法律、医疗及以您名义发布的内容需要更谨慎。专业人员同样可能出错，因此要确认资质、范围和交付标准。大批量工作可让自动化承担适合的部分，把人的注意力集中在最需要判断的地方。

五个快速问题

这些答案比一个孤立的准确率更有用。

AI 与人工转写常见问题

AI 与人工一样准确吗？

取决于语言、录音和复核。源文个案中的最佳 AI 为 91.2%、人工 99.1%、混合 99.4%，但没有完整审计材料，不能推广。

什么时候 AI 足够？

需要较清晰录音的初稿，并能核对重要信息时。会议、访谈、播客和日常材料都可能受益，容错程度仍由用途决定。

什么时候应找专业人员？

错误会影响人、决定或义务时，例如正式程序、临床文件或合规记录。应确认服务符合具体要求，聘人本身不等于免除质控。

混合方式怎样工作？

AI 生成初稿，人对照录音核对、修正和标记疑点。可由同一服务提供，也可分别采购。节省多少取决于初稿质量。

人工贵多少？

源文历史平均为 US$11.33 与 US$88.20／音频小时，约 7.8 倍，不代表现价。实际要计入套餐、量、期限及校对成本。

---

相关指南：

---

*想先测试？TranscribeNext提供前五分钟免费预览，Free 账号每天最多三个文件。请使用自己的录音并核对结果是否满足用途。*