帶有時間戳記的音頻轉文字稿
學習如何將音訊轉成帶有時間戳記和講者標籤的文字，然後檢視結果並匯出成 TXT、SRT 或 VTT。
音頻轉文字稿 — 本指南說明匯出前重要的工作流程、交換、限制與檢查。
一份有用的逐字稿不僅僅是一組文字。時間戳幫助人們回到原始錄音，喇叭標籤則標示誰說了什麼。它們共同讓訪談、會議、播客、研究錄音和影片說明更容易被檢視和重複使用。
自動轉錄可以創造強而有力的初稿，但人工審核仍然很重要——尤其當錄音包含噪音、口音、特殊詞彙或重疊語音時。
經驗筆記： 新增單人敘述、雙人訪談及多人會議的書面Recapo範例。注意語言、時長、音訊狀況、輸出格式及評論結果。
在轉錄前先設置音訊
逐字稿的品質從錄音開始。上傳前：
- 如果可能，請使用原始檔案;
- 聆聽遺失或損壞的零件;
- 辨識口語;
- 記錄預期講者與專業術語;
- 確認您已獲授權處理錄音;
- 減少可避免的背景噪音，而不是事後再清理。
清晰且近距離的語音通常比在共鳴房間裡的語音更容易辨識。重疊的喇叭非常困難，因為多個聲音同時填滿同一時刻。
如何將音訊轉錄成文字
1. 上傳官方音訊檔
在確認支援的檔案語言、格式及限制後，](/zh-tw/tools/audio-to-text/)使用本地化Recapo音訊轉錄工具。
在發佈前，在每個本地化產品頁面都直接驗證後，請將「計畫中」替換。
2. 選擇正確的語言
選擇錄音中使用的語言。如果音訊經常切換語言，請檢視工具如何處理多語言語音，並預期會有額外的手動修正。
3. 啟用時間戳記與喇叭偵測（如有）
每個段落、句子或說明提示都可以顯示時間戳記。喇叭偵測可以標記聲音為喇叭1、喇叭2，依此類推。這些標籤仍需人工驗證，因為系統可以合併兩個說話者，或將一個人分成多個標籤。
4. 聆聽時複習
不要分開複習文本。播放音訊並檢查：
- 名稱與組織;
- 數字、日期與價格;
- 產業術語與縮寫;
- 刑期上限;
- 議長更換;
- 中斷期間說的話;
- 部分標記為不確定。
先校對高影響力細節，能讓逐字稿更安全且易於重複使用。
5. 匯出正確的格式
根據下一個任務選擇輸出：
- TXT： 簡單的逐字稿，可編輯而無需字幕結構。
- SRT： 一個廣泛使用的字幕提示，帶有序列號和時間戳記。
- VTT： 以網頁為中心的時間文字格式，也能攜帶提示設定和元資料。
WebVTT W3C規範定義了網頁影片文字軌格式，用於時間對齊的文字，如字幕、字幕及相關元資料。
時間戳應該有多準確？
時間戳的確切頻率取決於逐字稿的使用方式。
- 研究與回顧： 段落層級的時間戳記或說話者切換可能足夠。
- 影片文字： 指示需要更貼近口語內容。
- 驗證引用： 時間戳應該能讓原句更容易被找到。
- 編輯備註： 時間戳記可以標記需要剪接的段落、圖表或 B 捲軸。
時間戳記過多會讓朗讀的文字記錄變得雜亂。太少會讓長時間錄音變得困難。
如何審查喇叭標籤
在製作全局替換前，先製作一張簡單的講者地圖：
| 自動標示 | 已驗證人員 | 角色 | 註釋 |
|---|---|---|---|
| 講者1 | [姓名] | 主持人 | 開啟錄音 |
| 講者2 | [姓名] | 來賓 | 較安靜的麥克風 |
| 第三位講者 | [姓名] | 調節器 | 出現時間為中午12：30之後。 |
聆聽每一個重要的講者轉換。不要假設所有標籤在重複演講或長時間沉默後都保持一致。
轉錄錯誤的常見原因
背景音與回聲
噪音會掩蓋子音，而房間回音則會模糊詞彙界線。麥克風較近且環境安靜，通常比錄音後的激烈修正更有幫助。
重疊語音
當兩個人同時說話時，轉錄和說話者分離的可靠性會降低。不確定的部分請標記給人工審核。
自訂名稱與詞彙
性質名詞在通用語言模型中可能不常見。準備拼字清單並檢查每次出現的情況。
混合語言
語言變化會影響辨識和標點符號。確認單一語言或多語言的工作流程是否符合紀錄。
原始碼檔案品質不佳
削波、極低音量、缺失聲道以及高度壓縮的音訊，都可能消除無法被轉錄系統完全還原的資訊。
品質管控工作流程
使用兩條軌道：
- 傳遞內容： 正確含義、姓名、數字、專業術語及發言者身份。
- 處理後的呈現： 標點符號、段落、大小寫、提示長度及正確格式。
對於敏感訪談、法律資料、健康對話或財務決策，請使用合格的審核者並遵守相關隱私要求。自動化輸出不應成為高風險決策的唯一依據。
常見問題
自動轉錄能辨識每一位說話者嗎？
它可以提示喇叭標籤，但重疊的聲音、相似的聲音以及音訊條件的變化都可能導致錯誤。請手動核對標籤。
我應該SRT還是VTT？
請根據出版環境選擇。SRT常見於剪輯和影片平台;VTT設計用於有限時間的網頁文字。確認目的地要求。
我可以轉錄影片而不是音訊嗎？
是的，當工作流程支援影片輸入時。使用本地影片轉錄流程;審查流程類似，影片也能提供切換說話者的視覺背景。
成績單會自動準備好發表嗎？
沒有。請檢查講者姓名、編號、特殊術語、時間戳記及標籤。出版品質的說明文字也可能要求檢查行長與閱讀速度。
我該怎麼處理這段秘密錄音？
上傳前請確認服務的隱私、保留及刪除行為。不要依賴未經證實的行銷假設或說法。
將紀錄轉化為有用的工作文件
當輸出設計為下一步時，轉錄能節省最多時間。新增時間戳記以支援導航、驗證喇叭標籤、檢視高影響力音訊細節，以及匯出符合最終工作流程的格式。
CTA： 上傳你被授權處理的音訊檔案，然後匯出並以所需格式檢視逐字稿。
參考資料
