訪談轉錄實用指南：錄音準備、三輪校對與交付規範

原文用一則 2012 年的經歷開篇：紀錄片團隊採訪一位投資人，兩小時談話涉及 Facebook 早期故事與股權安排。直到回聽才發現，夾在領口的麥克風不斷被衣料摩擦，許多話被噪聲蓋住。

原文稱這導致兩小時素材無法使用、15,000 美元預算受到影響，受訪者不願重錄，客戶與聲譽也受到損失。這是原文敘事，不是在本篇中獨立核驗的案例。

它提醒我們：文字稿品質不僅取決於軟體和打字，還取決於錄音前的準備。原文作者所稱“20 年、10,000 多次採訪經驗”同樣屬於編輯敘事，不能當作本地化團隊經核驗的資歷。真正可復用的是準備、錄製、校對與交付流程。

本文內容

第一部分：錄音前，預留約 15 分鐘

1. 測試完整裝置鏈路，約 3 分鐘

不要只開機、看到紅燈就假定已經錄好。錄 30 秒，戴耳機聽，檢查空調、交通、電流聲、回聲、衣料摩擦，以及過低或失真的音量。

也要檢查無線麥克風、電池、線材、接口和儲存。提前發現麥克風只剩 10% 電量，比錄到兩小時採訪的第二十分鐘突然斷電好得多。

2. 選擇位置，約 5 分鐘

觀察臨街窗戶、出風口、冰箱和人員通道；測試麥克風位置，找到可用電源，並考慮門聲和臨時打斷。

可以在不同位置各錄十秒再比較。原文舉例，遠離窗戶約 4.5 米就讓錄音從很差變為可用。這個距離不是通用規則，重點是實際試聽。

3. 調整麥克風，約 2 分鐘

距嘴 15–30 釐米、略偏離氣流方向，可以作為部分麥克風的起點，具體依裝置與音量調整。請受訪者正常說話，錄十五秒，回聽後再調。

常見問題包括：領夾麥與衣料接觸、桌面敲擊傳入麥克風、離人太遠，以及正對嘴導致噴麥。吊桿麥可以放在人物上方略靠前的位置；領夾麥應固定穩妥、避免摩擦，而不是機械套用同一個距離。

4. 準備備用錄音，約 2 分鐘

重要且難以重錄的採訪，值得設定備份。SD 卡、電池、軟體與傳輸都可能出問題。

原文示例為 Zoom H5 主錄、iPhone 錄音備份，之後再複製到允許使用的儲存。已有手機可降低備用裝置成本，但雲盤上傳必須符合保密和資料要求。所有錄製都應先取得必要授權與同意。

5. 準備一頁參考表，約 3 分鐘

記錄姓名的準確寫法、職務、組織、少見姓名讀音，以及可能出現的品牌、產品、術語和縮寫。中文採訪尤其要確認同音姓名的具體用字；英文術語則可以要求拼寫。

例如 Kubernetes 如果提前寫進詞表，就不必每出現一次都重新猜測。

訪談準備表

日期：2025 年 1 月 15 日

受訪者：Sarah Krishnamurthy 博士

姓名讀音參考：krish-nah-MUR-thee

職務：BioGenTech 醫療負責人

預計時長：60 分鐘

可能出現的術語：

- 免疫治療

- PD-1 抑制劑

- BioGenTech（公司名）

- II 期研究

- FDA 審批流程（本例中的美國背景）

裝置與環境：

- Zoom H5 主錄

- iPhone 備用

- 領夾麥固定，避免衣物摩擦

- 安靜會議室，關閉房門

這只是準備表例子，不是醫療內容或審批建議。

第二部分：採訪中持續檢查

留意錄製是否正常

可每隔約五分鐘看一眼：指示燈是否正常、計時是否繼續、電池是否充足、空間是否夠用。專門負責錄音的人可以用耳機持續監聽；主持人若因監聽分心，應選擇適合的安排。

數字錄音可將平均電平約 −12 至 −6 dBFS作為參考，依說話動態預留峰值餘量，避免觸頂削波。低於約 −20 dBFS的平均信號是否有問題，還要看底噪和裝置；不要只按儀表顏色判斷，不同裝置的顏色含義不同。

原文描述，受訪者情緒激動後音量升高，監測讓團隊在第八分鐘發現失真並調整。開始時正常，不代表整段錄音始終正常。

重疊發言：適當引導，也尊重談話

兩個人同時說話很難完整分辨。可以溫和地說：

情緒強烈、爭論本身有價值，或打斷會損害信任時，不一定適合立刻介入。記下時間，之後重點回聽，不把重疊部分悄悄刪掉。

突發噪聲：暫停比硬撐更好

火警時先遵守安全指引，不要為了錄音留在危險環境；施工可考慮換房間；電話響時暫停；無法調整的空調聲則記下時間。

遇到大噪聲，可以停下句子，等噪聲過去，再說“我們從剛才這一句繼續”。之後去掉幾秒停頓，通常比恢復被卡車聲蓋住的詞更容易。

生僻術語：當場確認

可以問“這個詞怎麼寫？”“中文是哪幾個字？”“英文能拼一下嗎？”“您說的是 A 還是 B？”

例如受訪者說後端使用 PostgreSQL，主持人確認拼寫 P-O-S-T-G-R-E-S-Q-L。短短幾秒，可能避免後面長時間搜尋；不要在不確定時憑產業常識替受訪者補詞。

先記錄參與者介紹

開頭請每個人說姓名與職務，方便把聲音、名字和背景對應起來。多人採訪時，在提問中自然叫出姓名，也能留下定位線索。

自動講者辨識並不等於知道真實身份。TranscribeNext 支援自動偵測，或指定 2–20 位講者。確知是兩人訪談時可填寫 2，但之後仍應檢查標籤，避免聲音變化被拆成兩人或相似聲音被合併。

長訪談不一定要切開：Plus 單檔案最長 5 小時，Premium 最長 8 小時，同時還需滿足相應檔案大小限制。

第三部分：三輪處理流程

把任務分開，可以避免一邊查姓名、一邊糾結標點、又不斷回聽同一段。原文稱可能快到三倍，這不是通用結果；請用自己的專案計時。

第一輪：初稿與定位，約佔四分之一時間

目標是先有可檢查的全文，而不是立刻完美。

1. 上傳到 AI 轉錄服務。可參考 AI 與人工轉錄比較；德語素材另有德語測試（英文頁面）。原文按量服務示例為每小時音訊 9–15 美元，TranscribeNext 則應按訂閱計算。原文處理估計為 8–10 分鐘，實際依素材與負載而變。

2. 用約五分鐘快速通讀，判斷整體品質、講者混亂程度，以及哪些位置需要更多時間。

先標問題，不急著全部修正：[核對講者]、[核對術語]、[聽不清]、[重疊發言]。自動文字流暢並不說明正確。

第二輪：關鍵修正，約佔一半時間

以下分項時間屬於較細緻的審校示例，不能再硬湊成後文快速流程的 53 分鐘。

姓名，示例約 10 分鐘：受訪者、被提及的人、公司和產品。優先核對，因為一個顯眼錯名就可能影響整份資料的可信度。

數字與事實表達，約 10 分鐘：日期、統計、價格和數量。“融資四百萬美元”與“四十億美元”相差巨大。先確認原音說了什麼，事實核查與忠實轉錄是不同任務。

專業術語，約 15 分鐘：根據準備表逐項檢查縮寫、產業詞和專名。上下文只能形成假設，不能代替聲音證據。

講者，約 10 分鐘：回聽聲音，結合介紹和現場筆記，糾正錯配、錯誤拆分或合併。

重要引語，約 15 分鐘：逐句核對將用於報道、官方立場、法律材料或可能引發爭議的內容。需要逐字引用時，不可為了順口改變原意。

第三輪：整理與統一，約佔四分之一時間

目標是清晰、一致、便於交付。完整示例可看訪談文字稿指南，包括抬頭、發言輪次和不確定內容的標記。

口頭語，示例約 10 分鐘：先決定交付逐字稿還是整理稿。

標點，約 8 分鐘：檢查句子是否過長、問句是否漏問號、逗號是否改變意思，以及中斷是否標清。中文使用自然的中文標點，不把英文逗號位置機械搬過來。

時間戳記，約 5 分鐘：可在每一兩分鐘、問題開始、主題變化和重要引用處標記，例如 `[00:23:47]` 或 `(23:47)`。位置應能幫助回聽、核查和剪輯。

格式，約 7 分鐘：用一致姓名或角色標籤，每次講者變化換段，較長髮言按話題或三四句左右適當分段，不破壞原始發言順序。

不清楚：

講者一嗯所以主要是……

更清楚：

陳博士：主要發現是……

可選章節標題：

[開場 — 00:00]

[職業經歷 — 05:32]

[主要發現 — 18:45]

[未來計畫 — 42:10]

第四部分：困難音訊怎麼處理？

不熟悉的口音

先聽完整句子，結合主題形成候選詞，再回聽和查其他出現位置。上下文合理不等於真的說了這個詞。

原文的英文醫療例子聽起來像 “profjy lactic”，候選為 “prophylactic”。應核對聲音與術語後才確認，不能僅因是醫學討論就補上“預防性的”。

可將播放降為 0.75× 或 0.5×，用於快語速、術語和不熟悉的口音。音量保持舒適，調得很響並不能恢復缺失資訊。

一種復聽順序是：正常速度理解大意 → 0.75× 聽細節 → 截取約兩秒短片段 → 必要時重復五到十次 → 再結合上下文檢查。仍無把握時標 [不確定] 並繼續，不讓猜測偽裝成確認。

背景噪聲

多人同時說話

按能聽清的程度處理，別為了整齊把對話強行排成先後順序。

[23:45 — 重疊發言]

陳博士：我覺得還需要考慮——

王博士：資料已經清楚顯示——

[兩人同時說話]

如果兩條聲音都可辨認，可以分別記錄：

[重疊發言]

講者 1：“……還需要更多研究……”

講者 2：“……結果已經很明確……”

如果只能聽清其中一人，記錄其可辨認內容，並注明另一人也在說話。實在無法分開時寫：

[重疊發言，無法清楚分辨]

重要片段可以事後請受訪者說明，但補充回答應標為事後澄清，不能替換成彷彿原來就說過的逐字引語。

第五部分：裝置與工具示例

以下保留原文裝置類別和歷史美元價格，不是目前中國售價或購買承諾。版本、相容性、配件和當地可用性都應另行核對。

錄音裝置

先按實際用途選裝置。規模擴大、多人分別收音時，XLR 和多軌才可能變得更重要。

麥克風

坐姿訪談的原文示例包括 Shure SM58動圈麥和 Audio-Technica AT2020 電容麥，各記錄約 100 美元；後者對環境和供電有自己的要求。

領夾麥示例為 Rode SmartLav+，約 80 美元，以及 Sennheiser ME 2，約 100 美元。必須核對手機、發射器、接口與轉接相容性。

兩人方案中，Zoom H5 加兩支 SM58 按原文預算合計 480 美元，尚未包含線材和支架。

轉錄服務

下面的準確率與競品價格來自原文，不是中文測試、目前報價或效果保證，也未使用統一方法在本篇重新測試。

審校軟體和腳踏板

Express Scribe 提供變速播放、快捷鍵與相容腳踏板支援，免費版與其他版本功能不同。

Descript 將自動轉錄、文字驅動的音訊與影片編輯放在一起，適合需要剪輯的創作者。原文 12 美元/月是歷史價格，需查看目前方案。

Infinity USB-2 腳踏板在原文約為 80 美元，可用於相容軟體的播放、暫停和跳轉，讓手留在鍵盤上。若真能節省 20% 時間，十小時工作省兩小時；只有當每小時價值為 40 美元時，這兩小時才對應 80 美元。不能保證每個人都獲得這個收益。

一個預算組合示例

錄音：Zoom H5 280 美元、兩支 SM58 共 200 美元、支架 40 美元，合計 520 美元，其他配件另計。

轉錄：TranscribeNext Plus 19.99 美元/月；按需搭配 Express Scribe 免費版和自己可用的文件編輯器。原文使用 Google 文件，不代表它在所有地區或組織環境都適用。

時間示例：60 分鐘訪談，8 分鐘自動處理、45 分鐘審校，共 53 分鐘。這不是逐字完整審聽的保證，困難素材需要更久。原文對照的手工轉錄為 4–6 小時，人工外包為 24–48 小時交付、90–120 美元，均依實際服務變化。

第六部分：提前建立交付規範

講者標籤

選擇一種方式並始終一致：

姓名：

陳曉：主要發現是……

王明：我有不同看法，因為……

角色：

採訪者：是什麼促成了這個決定？

首席執行官：我們看到了一個機會……

經專案允許的縮寫：

CX：主要發現是……

WM：我有不同看法，因為……

匿名研究可使用約定編號，不應為了閱讀方便擅自公開身份。

時間格式

可選 `[HH:MM:SS]`、`(MM:SS)` 或 `HH:MM:SS`，例如 `[00:23:45]`。放在段首、講者切換處或每一兩分鐘，依交付用途確定，並保持統一。

逐字稿與整理稿

逐字稿：

採訪者：那，嗯，您能，就是，講一下整個過程嗎？

受訪者：可以，嗯，主要是我們先，怎麼說，先做了研究……

整理稿：

採訪者：您能講一下整個過程嗎？

受訪者：主要是我們先做了研究……

法律、特定研究、語音模式分析或明確要求完整原話的專案，通常需要更嚴格保留。新聞、部落格、營銷與Podcast可使用約定的整理規範，但不得改變語義或把總結冒充直接引語。

不清楚的音訊

統一使用：

受訪者：公司在[不確定]年成立，由來自[聽不清]的三位工程師創辦。

非語言聲音

可按需使用 [笑聲]、[嘆氣]、[長時間停頓]、[電話鈴聲]、[關門聲]。只記錄對意義、語境或研究協議有價值的聲音，不把每個微小聲響都塞入普通閱讀稿。

第七部分：常見錯誤

1. 交付後立即刪除原音

兩周後客戶詢問某句引用，才發現無法核對。應提前約定保留期限；原文以 90 天作實用示例，不是法律或隱私方面的統一標準。

可在允許範圍內儲存本地副本、外置硬盤副本和獲准雲端副本，統一命名 `YYYYMMDD_受訪者_主題.wav`。備份同樣要受訪問與刪除規則約束。

2. 不校對就信任 AI

原文英文例子把 hire 50 people 辨識成 fire 50 people，即把“招募 50 人”變成“解雇 50 人”。一句看似通順的話，可能意思完全相反。

即使趕時間，也先檢查數字、企業名和敏感表述。五分鐘掃讀只能用於初篩，不能替代重要引用的原音核對。

3. 標籤前後不一致

前半段寫“講者 1、2、3”，後半段突然變成人名，卻沒有映射，讀者無法判斷對應關係。重命名時檢查所有相關發言，必要時保留標籤說明。

4. 不確認生僻詞

原文舉例，Kubernetes 出現 47 次，其中 communities 12 次、commun ities 8 次、coobernetes 15 次、Cuban eighties 4 次，正確 8 次，總計 47 次，清理花了兩小時。這只是具體情景，不是固定錯誤率。

提前準備詞表、採訪時詢問拼寫，能減少這種重復工作。批量替換時仍要看上下文，避免把確實說了“communities”的句子誤改。

5. 檔案名無法檢索

“採訪.docx”“採訪-最終.docx”“採訪-最終-v2.docx”越積越多，就很難找到某月某人的記錄。

可使用 `YYYYMMDD_姓名_主題_版本.docx`，例如 `20250115_陳曉_生物技術_V1.docx`，並區分草稿與已審校版本。原文稱有人花 45 分鐘找檔案，重點不是這個時長，而是從第一天就建立一致規則。

第八部分：提高效率的方法

快捷鍵與文字展開

以下是可自訂編輯器的配置思路，不是 TranscribeNext 或所有軟體的預設快捷鍵：

瀏覽器的 Ctrl+T 通常會打開新分頁，文字框中空格通常輸入空格，中文輸入法也有自己的快捷鍵。只能在軟體確實支援配置時使用，並避開衝突。

文字展開可設 `:cx` 為“陳曉：”、`:wm` 為“王明：”、`:int` 為“採訪者：”。原文估計編輯時間可能減少 30%，應以個人計時驗證。

雙屏或分屏

一側播放音訊並查看波形，另一側編輯和查詞，可減少切換視窗。沒有第二台顯示器時可先試分屏。原文還提到相容 Mac/iPad 上的 Sidecar 或 Duet Display，是否適用需確認自己的裝置，不是必須購買。

逐步加速播放

可以先用 1.0×，適應後嘗試 1.1×、1.25×，清晰素材再試 1.5×。原文按四周逐步練習，只是建議安排，不要求按周升級。

1.5× 播放一小時音訊需要 40 分鐘，省 20 分鐘純播放時間；十小時共省 200 分鐘。 這不包含暫停與編輯，也不意味著總審校時間同樣減少。困難口音、數字、術語和重要引用應回到正常或更慢速度。

批量處理相似步驟

例如先上傳五段訪談，處理時整理資料，再統一初讀、糾錯和格式整理。原文安排為上傳準備 10 分鐘、檔案整理 10 分鐘、下載 5 分鐘、初讀 25 分鐘、關鍵修正 2.5 小時、整理 1.5 小時。

這樣可能減少任務切換，但相近採訪也更容易混淆身份與專案，必須保持檔案標識。原文的 15% 提效不是保證；並行數量受方案與工具限制。

完整檢查清單

採訪前，示例約 15 分鐘

採訪中

採訪後，示例約 5 分鐘

轉錄與審校

最終交付

結論

可靠文字稿不是只靠打字快、軟體貴或裝置高級。更重要的是清單、試錄、姓名與數字核對，以及知道何時詢問、何時標記不確定。

原文的“80/20”是優先級比喻，不是每個專案都經過測量的比例。先把錄音和關鍵錯誤管好，再優化細節和速度。

今天採用準備清單，本周試一個真實檔案，本月建立三輪流程，之後再逐步測試快捷鍵和批量方法。目標是在保留準確性與可追溯性的前提下提高效率。

常見問題

一小時訪談要多久轉完？

原文快速示例為 8 分鐘處理加 45 分鐘審校，共 53 分鐘。具體取決於錄音和核對深度，完整逐字審聽可能更久；手工從零輸入的示例為 4–6 小時。

需要什麼裝置？

安靜環境里已有手機可能足夠。原文用 Zoom H1n 和領夾麥作專用裝置示例，但歷史美元價格不是目前報價。先試錄、核對接口與配件，再決定是否購買。

用逐字稿還是整理稿？

按客戶、研究方案或交付規範決定。逐字稿保留表達細節；整理稿可刪去無意義猶豫，但不能改變原意，直接引用尤其要審慎。

口音或多人採訪怎麼辦？

減速到 0.75× 等合適速度，復聽短片段，仍不確定就標記。多人場景先錄自我介紹，條件允許時分別收音，並檢查自動標籤。

相關指南

可註冊 TranscribeNext試用 Free：每天最多三個檔案，每個提供五分鐘預覽。用自己的素材比較準備、AI 初稿和人工審校結合後的實際效果。