進階閱讀時間約 4 分鐘更新日期：2026年10月20日

JSON 格式：面向開發者的結構化資料

匯出包含文字分段、時間戳記、檔案資訊和講者資訊的 JSON 資料，便於開發和整合。

JSON 會將逐字稿匯出為結構化資料：完整文字、每個片段及其開始與結束時間、說話者，以及附有信心分數的逐字時間資訊。可用於您自己的程式、資料分析或自訂工具。JSON 匯出適用於所有方案，包括 Free。

JSON 結構

以下是實際匯出檔的精簡範例（僅顯示一個片段與兩個字詞）：

{
  "id": "cmvfviwjf00wnb6hzcwfodyhz",
  "fileName": "Weekly team sync.mp3",
  "text": "Speaker 1: Okay, I think everyone's here. Thanks for jumping on...",
  "language": "en",
  "duration": 145,
  "segments": [
    {
      "id": 1,
      "end": 10.088,
      "text": "Thanks for jumping on.",
      "start": 8.968,
      "speaker": "SPEAKER_00",
      "words": [
        { "end": 9.368, "word": "Thanks", "start": 8.968, "confidence": 0.911 },
        { "end": 9.528, "word": "for", "start": 9.368, "confidence": 0.989 }
      ]
    }
  ],
  "speakerNames": null,
  "createdAt": "2026-10-19T23:16:45.243Z"
}

最上層欄位

id：逐字稿的唯一識別碼
fileName：檔案名稱，與 TranscribeNext 中顯示的相同
text：以單一字串呈現的完整逐字稿；開啟說話者時，每段發言都以說話者名稱開頭（“Speaker 1: …”）
language：語言代碼（en、es、fr…）；未知時省略
duration：音訊長度，以整數秒表示；未知時省略
segments：含時間資訊的片段陣列（見下方）
speakerNames：您為說話者設定的名稱，例如 {"SPEAKER_00": "Anna"}，或 null
createdAt：建立時間，採 ISO 8601 格式（UTC）

片段物件

id：片段編號，從 0 開始
start、end：開始與結束時間，單位為秒
text：此片段中說的內容
speaker：說話者 ID，例如“SPEAKER_00”（僅在已辨識說話者時提供）
words：每個字詞及其 start、end 與介於 0 到 1 的 confidence（如有提供）

實用秘訣

時間是未經四捨五入的原始數值，因此可能會看到 7.768000000000001 這類數值。如需顯示，請在程式中自行四捨五入。

哪些設定會影響輸出

工具列中的“說話者”核取方塊：關閉時，text 中不含說話者名稱，片段中沒有 speaker 欄位，speakerNames 為 null
“時間標記”核取方塊不影響 JSON，片段時間一律會包含
從“翻譯”分頁或“重點分析”結果匯出時，檔案會包含該文字，segments 陣列則為空
如果大量編輯導致時間資訊與文字不再相符，segments 會被省略

最佳使用情境

自訂資料處理程式
分析與文字探勘
打造您自己的字幕工具
匯入資料庫或搜尋索引
找出辨識器不確定的字詞（信心分數低）

處理 JSON 資料（JavaScript）

const data = JSON.parse(jsonString);

// 總長度（分鐘）
const minutes = Math.floor((data.duration ?? 0) / 60);

// 列出每個片段及其說話者
data.segments.forEach(segment => {
  const who = data.speakerNames?.[segment.speaker] ?? segment.speaker ?? '';
  console.log(`[${segment.start.toFixed(1)}s] ${who} ${segment.text}`);
});

// 辨識器不確定的字詞
const unsure = data.segments
  .flatMap(seg => seg.words ?? [])
  .filter(w => w.confidence < 0.5);

處理 JSON 資料（Python）

import json

with open('transcription.json', encoding='utf-8') as f:
    data = json.load(f)

print(f"File: {data['fileName']}")
print(f"Duration: {data.get('duration', 0)} s")

names = data.get('speakerNames') or {}
for segment in data['segments']:
    who = names.get(segment.get('speaker'), segment.get('speaker', ''))
    print(f"[{segment['start']:.1f}s] {who} {segment['text']}")

重要

由於每個字詞都列有各自的時間資訊，JSON 檔案會比 TXT 大得多。一小時的錄音會產生約 2 MB 的檔案。

SRT 時間戳記格式：詳解 hh:mm:ss,mmm

逐項瞭解 SubRip 時間戳記 hh:mm:ss,mmm --> hh:mm:ss,mmm 的含義、常見格式錯誤、它與 VTT 和 SBV 的區別，以及如何從 TranscribeNext 匯出 SRT。

📥

匯出指南：選擇合適的格式

瞭解各種匯出格式，以及它們各自適合的使用場景。

⏱️

帶時間戳記的轉錄：跳轉到錄音位置

透過文字分段的時間戳記定位錄音，搜尋文字後跳轉收聽，並按需匯出時間資訊。

📄

TXT 格式：純文字

將轉錄結果匯出為簡潔的文字檔案，便於在各種文字編輯器和應用程式中使用。