如何將訪談錄音轉為可用的逐字稿

錄音能完整記錄受訪者的話語，但處理聲音檔案往往耗時費力。重聽長達一小時的研究訪談或新聞簡報，需要反覆暫停、倒帶並手動打字。自動語音辨識能協助您快速找到關鍵段落，然而自動產生的原始文字通常無法直接發表或作為引用依據。

將自動生成的草稿視為檢索輔助工具而非最終定稿，有助於發揮其最大價值。若要在 iPhone 上有效將訪談錄音轉為逐字稿，您需要建立嚴謹的流程：收錄清晰聲音、理解法律規範、正確匯入檔案，並仔細修正人名與專有名詞。

錄音規範與同意條款

在錄製任何訪談之前，您必須確保擁有合法權限記錄該對話。各司法管轄區的法律標準存在顯著差異。

在英格蘭與威爾斯，Contend Legal 針對未經授權錄音的指引指出，雖然個人根據《2000 年調查權力監管法》可以合法錄製自己參與的對話作為個人參考，但在公開發布或分享該音訊時，仍受到民事限制與隱私權保護規範。在美國，各州的規定各不相同。新聞自由記者委員會紐約指南說明，紐約州允許在對話中至少一方同意的情況下進行錄音。相較之下，新聞自由記者委員會加州指南則詳細說明了加州刑法規定錄製保密通訊時必須取得所有當事人的同意。

資料隱私法規同樣規範錄製的音訊。通用資料保護規則第 6 條法規條文列出了處理個人資料的合法基礎，其中包含可識別的個人聲音。在進行研究或媒體製作時，告知受訪者其錄音將如何儲存、處理與轉錄，是一項必要且符合道德與法律的步驟。

收錄清晰聲音以獲得更佳的文字品質

自動語音辨識模型高度仰賴原始檔案的聲學品質。當音軌存在回音或背景雜音干擾時，錯誤率會顯著上升。

為了讓自動化工具能盡可能產出易讀的文字，請保持以下幾項實用習慣：

• 麥克風距離： 將麥克風置於發言者之間的等距位置，避免筆記型電腦或紙張等物體阻擋。
• 空間聲學： 選擇配有軟質家具、地毯或窗簾等能減少室內回音的安靜空間。
• 避免互相插話： 聲音重疊會導致辨識模型漏字或錯判語句歸屬。
• 隨手記錄現場筆記： 在訪談過程中隨手記下受訪者姓名、地名與不熟悉的專業縮寫的正確拼寫。

來自哥倫比亞口述歷史中心作業指引的建議強調，應在錄音當下隨手記下專有名詞，因為一般通用語音模型經常會誤判專業詞彙。

在 iPhone 上匯入並轉錄錄音

現代智慧型手機可以直接處理音訊檔案，或將其傳送至專門的辨識引擎。在 iOS 上，您可以根據需求使用內建應用程式或專門的轉錄軟體來處理訪談錄音。

Apple 系統本身提供基礎的內建工具。根據 Apple 支援關於 iPhone 上「備忘錄」的說明文件，您可以直接在備忘錄中錄製音訊以產生即時轉錄。對於已儲存在「檔案」App 中的現有音訊檔案，您可以將 .m4a 錄音直接附加至備忘錄中以檢視自動逐字稿，這會如 Apple 平台安全指南所述，透過裝置上的神經網路引擎於本機進行處理。

如果您的訪談包含多種語言，或者您希望原文與翻譯並排呈現，第三方 App 則能提供其他工作流程。

在 Hontoni 中，您可以將從「檔案」匯入的音訊或影片轉換為逐字稿或文字翻譯，每個匯入片段長度約為 14 分鐘。在主畫面上選擇您希望閱讀的語言：選擇特定語言會將語音翻譯為該語言，而選擇「依原樣」則會完整保留每種語言的原貌。點一下「匯入」並選取檔案後，App 會自動偵測語音語言、標註每位發言者，並在閱讀畫面上呈現文字。

請注意，Hontoni 在辨識語音時需要穩定的網路連線，因為音訊會透過網際網路傳送至語音辨識服務，隨後再將文字回傳至 iPhone。已儲存的逐字稿則可在離線狀態下隨時查閱。

自動逐字稿的辨識限制

目前沒有任何語音辨識系統能達到完全準確。了解自動化系統的不足之處，有助於您更具針對性地進行校對。

發表於 ACL Anthology 關於跨語言專有名詞辨識的學術研究指出，語音辨識模型在處理專有名詞與特定領域術語時相當吃力，且經常會以同音字詞替代。若受訪者使用了罕見的姓氏、外國地名或特定行業的行話，系統通常會將其替換為發音相似的常見字典詞彙。

自動化系統在下列常見情況下也較難精準辨識：

• 對話重疊： 當兩人同時說話時，系統難以分離不同聲音。
• 濃重口音與方言： 與訓練語料庫差異較大的口音會產生較高的字詞錯誤率。
• 聲學距離過遠： 發言者若距離麥克風過遠，會失去高頻子音的清晰度。
• 環境噪音： 交通聲、空調運轉聲或咖啡廳的嘈雜聲都會降低辨識品質。

掌握這些可預見的問題點，能讓您將注意力集中在最容易出現錯誤的地方。

針對重點內容進行校對

編輯逐字稿時，除非您正在進行正式的語言學分析，否則不需要逐一核對每個停頓詞或贅字。對於記者、學生與質性研究人員而言，編輯修正的核心在於確保事實的真實性。

在通讀草稿時，建議遵循系統化的步驟：

1. 優先檢查專有名詞： 對照您在訪談期間所作的筆記瀏覽文字，修正拼寫錯誤的人名、機構名稱與地理名詞。
2. 確認發言者標籤： 檢查發言順序是否正確歸屬於相應的對象，特別是在多人團體討論中。
3. 保留原意勝於修飾文辭： 適度添加標點符號以使長篇口語段落更易閱讀，但請避免重寫受訪者原本自然的語句表達。
4. 對照音訊稽核直接引述： 如同 路透社新聞標準與原則 所述，消息來源的事實準確性至關重要。在發布直接引述前，請倒帶至原始音訊中的確切時間戳記，逐字核對受訪者所說的內容。

請將錄製的音訊作為首要的事實依據，並將逐字稿視為瀏覽錄音內容的架構指引。

如果您經常需要處理多語言訪談，或需要以另一種語言閱讀匯入的錄音內容，Hontoni 或許適合您的工作流程。它能為匯入的音訊片段並排提供自動逐字稿與文字翻譯，儘管在遇到專業術語或含糊語音時偶爾也會出現失誤。使用您平時常用的錄音配置進行測試，即可了解它在您特定聲學環境下的實際表現。

錄音工作流程的後續步驟

為了讓下一個專案的轉錄流程更加迅速，請在訪談開始前於 iPhone 的「檔案」App 中建立一致的資料夾結構。同時備好實體筆記本或文字文件，以便在聽到不熟悉的名字時隨手記下，並在分享研究結果之前，務必再次對照原始音訊確認關鍵引述。