AI 轉錄還是人工轉錄：選擇前應比較什麼

本文原始版本描述了一次實驗：將同一段 60 分鐘錄音交給九項服務，包括三項 AI、五項人工，以及一項自動辨識加人工校對的混合服務。

原文稱總支出為 US$4,237，逐詞比較用了 47 小時，但後面的訂單金額並不能解釋這一總額。本文也沒有附上參考檔案、收據或完整可復現方法。因此，下文是對源文所報告資料的介紹，不是本次重新驗證的測試，也不是供應商目前排名。

值得討論的問題依然成立：什麼情況下哪種方式更合適？哪些錯誤真正影響使用？

測試錄音是英語，不能直接推斷中文或其他語言的效果。德語語音辨識對比提供另一種語言的資料視角，該參考頁面為英文。

選擇不僅關乎百分比或交付速度，還取決於文字用途，以及校對所需的實際工作量。

原文如何描述實驗？

單人在錄音棚清晰講話，未必能揭示不同方法的局限。原文選擇了更難的醫學會議討論：四位醫生用帶美國、英國、印度和尼日利亞口音的英語發言，包含醫學術語、觀眾噪聲與問答中的重疊聲音。

檔案為 60 分鐘、128 kbps 的 MP3。AI 服務列為 TranscribeNext、Otter.ai Plus 和 Rev AI；其現價取決於方案與計費方式，不能從這份歷史記錄推斷。

原文列出的人工訂單金額是 Rev Human US$90、GoTranscript US$72、TranscribeMe US$99、Scribie US$60、Upwork 自由職業者 US$120；混合服務 Verbit 為 US$180。這些均為源文報告值，不是目前報價。

原文報告的結果

作者稱進行了逐詞比較並分類錯誤。以下保留同一小時錄音的報告數字。

歷史記錄中的數字

一個百分比隱藏了什麼？

91.2% 看起來可能夠用，但在約一萬詞的文字中，879 處錯誤相當於約每 11 個詞出現一處。

原文舉例把“atrial fibrillation”寫成“aerial fibrillation”，還報告 23 處講者歸屬錯誤。保留英文是因為錯誤依賴原語言的聲音與拼寫；前者指心房顫動，後者不是正確醫學術語。

Rev Human 的 170 處錯誤則被描述為主要涉及逗號和猶豫，沒有關鍵醫學術語或講者標籤錯誤。這樣的區別，比單純比較 91% 與 98% 更影響用途。

但方法存在局限：源文混合統計詞、標點和講者錯誤，沒有統一指標定義。這些百分比不能直接等同於標準詞錯誤率 WER，也不能與其他基準橫向比較。

不能忽略語言

上表來自英語錄音，對中文、泰米爾語等語言的表現說明很有限。

“支援 100 多種語言”不代表每種語言同樣準確。源文曾描述按資料與表現將語言分成 15、25、30、30 個的四組，但這種分組本身並非評測證據。

訓練資料、口音、麥克風和主題都可能影響結果。接受一個準確率數字前，先問語言與測試條件，再用自己的錄音驗證。

什麼情況下 AI 更合適？

速度

表格給 TranscribeNext 記為八分鐘，源文另一處又寫包括上傳下載共十一分鐘，計時邊界未完全說明。因此穩妥的結論是“以分鐘計”，不是固定八分鐘保證。

原文最快人工交付約十五小時。下午兩點採訪、五點交稿的記者，可能更需要當天即可檢索的自動初稿，但用於報道的引語仍應對照音訊核實。

費用

源文給出的歷史平均值是 AI 每音訊小時 US$11.33，人工 US$88.20，相差約 7.8 倍。按相同假設處理一百小時，是 US$1,133 與 US$8,820，尚未計校對。

這不是 TranscribeNext 目前單價。我們的方案有不同限制，不能直接換算為統一按小時收費。比較時應使用實際使用量，並計入訂閱、分鐘費和糾錯工時。

可預測性

源文另提 AI 結果在 87%–93%、人工在 89%–99.5% 之間，卻未詳述樣本。這提醒我們考慮穩定性，但不能證明某一類別永遠更穩定。

相似檔案的自動流程可能更便於計畫；人工交付也取決於專業程度、質控和人員安排。應比較具體服務條件，而不只是“AI”或“人工”的標籤。

人工校對在哪些地方更有價值？

語境與專業術語

原文中的“We saw a significant increase in PD patients”被部分自動輸出寫成“pee-dee patients”或“PD patience”，據稱只有一項 AI 保留了正確縮寫。

五位人工轉錄者被描述為記錄正確，其中三位加註“[PD = Parkinson's Disease]”。這類解釋指向帕金森病，但必須明確是編輯注釋，不能偽裝成講者的原話。

另一句“The patient was given two liters of NS”出現了“two leaders of N S”或“two liters of N's”等錯誤。原文稱人工辨識了生理鹽水的語境，並有時解釋縮寫。

合格校對的價值在於回聽、查證和判斷語境，但人也可能過度推斷。無法確認的縮寫應標記疑問，而不是只因某種解釋合理就確定寫入。

口音

原文稱尼日利亞醫生每分鐘約 180 詞，其片段中 TranscribeNext 為 79%、Otter 為 72%，最佳人工結果約 98%。

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

本文未附完整參考音訊以核驗這些行。實際啓示是：測試自己會遇到的口音，並給困難片段留校對時間，不要外推錄音棚演示的平均值。

重疊發言

兩人同時講話時，原文給出混在一起的輸出：“Yes I think that the answer to your absolutely question is we need to consider that more research”。

更謹慎的處理是標註 `[重疊發言]`、保留能聽清的部分並注明時間。承認無法分辨，比拼出一句沒人真正說過的流暢文字更可靠。

格式

源文用無標點初稿舉例：

```

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...

```

並對比整理後的版本：

```

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較。整理口頭語、加名字和段落有助閱讀，但不能憑空補入錄音中沒有的二期試驗或給藥細節。上面第二版中的新增細節是否有錄音依據，必須另行核實。

現代自動工具也能加標點和區分講者，因此不能將全部 AI 輸出描述為一串無格式文字。關鍵是自己的檔案還需要多少人工工作。

如何理解“最高 99% 準確率”？

“最高”說明某些條件下可能達到，不是任意檔案的保證。可查看 Rev 的準確性說明及各家的評測條件。

清晰、低噪聲、常見詞彙，與四種口音的醫學討論不同。也不能反過來僅憑免責聲明，就斷言供應商只在實驗室里成功過一次。

如果錯誤定義相同，一萬詞中 99% 約意味著一百處錯誤，91% 約意味著九百處，校對負擔可能差很多。人工服務的品質保證也有條件，應直接核對，不把一個 98.3% 的歷史樣本當成普遍保證。

錯誤的後果並不相同

總體錯誤率不能獨自說明風險，應按後果分類。

改變意思：例如把“穩定”變成“不穩定”、“陽性”變成“陰性”。原文報告 AI 每萬詞約八十處、人工兩處，但未提供標註清單可審計；這一類別的重要性並不依賴該數字。

損害可信度：姓名、職務和術語錯誤。原文稱 AI 高二十倍，仍缺少可復核資料。

影響理解：標點和講者歸屬錯誤，原文稱自動組高九倍。

版式或風格：猶豫和格式不一致，原文稱高 2.5 倍。但在會話分析中，猶豫可能是資料，而非應消除的錯誤。

源文另列嚴重錯誤率 3% 與 0.12%，兩者相除是 25，不是 24。缺少清晰定義時，這一倍數也不應推廣為通用結論。

保留一個“嗯”和把“建議治療”寫成“不建議治療”，是完全不同的影響。校對強度應與後果相匹配。

如何選擇？

可以先考慮 AI 的情況

需要快速初稿、檔案量大、錄音較清楚、預算有限，並且有人能核對結果。比如記者先檢索採訪、Podcast生成文字底稿，或研究者開始整理訪談。

按真實使用量、語言和匯出需求比較方案，並在不同工具上測試同一個片段。

應考慮專業人工轉錄或復核的情況

錯誤可能影響重要決定、音訊很難聽清、術語專業，或交付有正式要求。

證言、臨床檔案和程序性材料可能要求特定資質與流程。普通人工校對不自動等於認證、法律適用或專業合規。源文歷史價格為每分鐘 US$1.50–4，不能替代目前詢價；還需確認語言、期限、質控和保密範圍。

適合混合流程的情況

既希望迅速得到初稿，又需要嚴格復核；或大部分錄音清楚，少數片段困難。

AI 先生成文字，再由人對照錄音修正並標記疑點。是否比從零聽打便宜，取決於初稿品質和審查深度。Verbit 等服務提供混合方式，也可以使用 TranscribeNext 後另聘校對。價格與範圍應直接確認。

把自己的時間算進去

用明確假設計算一小時音訊：

AI：分攤服務費 US$9，加 45 分鐘校對。若您的工時值 US$50／小時，校對成本 US$37.50，總計 US$46.50。

人工服務：服務費 US$90，加 15 分鐘復核，即 US$12.50，總計 US$102.50。

差額為每音訊小時 US$56，一百小時為 US$5,600，前提是上述假設全部不變。

若工時值 US$100／小時，兩者分別為 US$84 與 US$115，差額縮小為 US$31。

該例的盈虧平衡點是 US$162／小時：`9 + 0.75 × 工時單價 = 90 + 0.25 × 工時單價`。原始版本寫 US$108，與自身前提不符。

US$9 不是 TranscribeNext 的固定費率。 請替換為方案實際分攤、真實校對時間和人工報價。對部分專業人士，委託校對可能比親自完成更經濟。

實用混合流程

原文的“90% AI、10% 專業復核”模式

作者描述多數工作先用 AI，敏感材料交給專業人員。建議流程為：

1. 在獲得相應處理授權後上傳音訊。

2. 閱讀初稿並標記疑點。

3. 回聽引語、數字、姓名和關鍵內容。

4. 修正文字與講者。

5. 將高風險材料交給有相應能力和權限的專業人員復核。

源文稱許多檔案約需三十分鐘校對，但個人筆記與出版、研究或正式檔案的標準不同，不能統一套用。

其一百小時／月示例為混合模式 US$1,700、全人工 US$9,000，按這些假設一年差 US$87,600。這是示例計算，不是報價，也不保證達到 99% 準確率。

原文案例與應保留的疑問

原文提到三家未提供足夠獨立核驗資料的組織。這些場景有助思考工作流程，不應拿來預測自己的收益。

律師事務所：原文稱每年超過五百小時，費用從 US$750,000 降至 US$150,000，正式提交材料仍由人工復核。這些金額遠高於前面的小時費率，卻沒有解釋服務範圍。不能在不瞭解要求的情況下比較；即使不提交法院，檔案也可能需要嚴格校對。

醫學研究者：兩百次訪談，原文稱原預算 US$36,000、六個月，改用 AI 並自行核對術語後少於 US$5,000、兩周。實際是否合適還取決於同意、保密、研究方案與內容核驗，而非費用一個指標。

Podcast網路：每月八十期，原文將人工 US$9,000 與 AI US$3,600 對比，並提到自然流量增長 340%。沒有資料隔離轉錄的作用，不能認為使用轉錄即可獲得相同增長。

為自己的用途作決定

真正的問題不是“AI 還是人”，而是“這個用途需要什麼準確性與復核流程”。個人筆記、研究初稿、Podcast文稿或會議記錄都可從 AI 開始，但校對標準應與用途匹配。

法律、醫療及以您名義發佈的內容需要更謹慎。專業人員同樣可能出錯，因此要確認資質、範圍和交付標準。大批量工作可讓自動化承擔適合的部分，把人的注意力集中在最需要判斷的地方。

五個快速問題

這些答案比一個孤立的準確率更有用。

AI 與人工轉錄常見問題

AI 與人工一樣準確嗎？

取決於語言、錄音和復核。源文個案中的最佳 AI 為 91.2%、人工 99.1%、混合 99.4%，但沒有完整審計材料，不能推廣。

什麼時候 AI 足夠？

需要較清晰錄音的初稿，並能核對重要資訊時。會議、訪談、Podcast和日常材料都可能受益，容錯程度仍由用途決定。

什麼時候應找專業人員？

錯誤會影響人、決定或義務時，例如正式程序、臨床檔案或合規記錄。應確認服務符合具體要求，聘人本身不等於免除質控。

混合方式怎樣工作？

AI 生成初稿，人對照錄音核對、修正和標記疑點。可由同一服務提供，也可分別採購。節省多少取決於初稿品質。

人工貴多少？

源文歷史平均為 US$11.33 與 US$88.20／音訊小時，約 7.8 倍，不代表現價。實際要計入方案、量、期限及校對成本。

---

相關指南：

---

*想先測試？TranscribeNext提供前五分鐘免費預覽，Free 帳號每天最多三個檔案。請使用自己的錄音並核對結果是否滿足用途。*