采访 · 由Media2Text 团队撰写并审核 · 发布于2026年11月3日 · 阅读约需9分钟

如何准确转写一场采访

一份好的采访转写稿，能让你准确引用受访者的话，并快速找到所需的依据。本指南完整介绍从录音到一份可供引用、经过核对的转写稿的全过程，适合研究人员、记者、学生，以及所有以采访为业的人。

如今，自动语音识别几分钟就能生成一份质量不错的初稿。剩下的，是软件替你做不了的部分：决定你需要哪种转写稿、确认谁说了什么，以及核对你真正要用到的段落。下面每一节分别讲解其中一项决定。

采访之前：为转写而录音

大多数转写问题都源于录音本身。花几分钟做好准备，能在校对时省下多得多的时间。

让麦克风靠近说话人

距离比设备更重要。把手机放在两人之间的桌面上，效果通常胜过放在房间另一头的昂贵麦克风。远程采访时，请嘉宾戴上耳机，避免声音被录进两次；如果通话软件允许，尽量在本地录音。为每位参与者单独录一条音轨，会让区分说话人容易得多。

减少可控的背景噪声

选择安静的房间，关上窗户，避开墙面坚硬、容易产生回声的空间。咖啡馆适合聊天，却不利于语音识别：咖啡机、背景音乐和邻桌的说话声都会和受访者的声音相互干扰。如果必须在公共场所录音，请远离音箱和后厨。

在开头清楚说出姓名和关键术语

先做一个简短的开场：日期、受访者的姓名及写法、职务，以及预计会提到的机构名称。这样录音里就有了一个参照点，之后修改也更快。如果项目有要求，这也能把受访者的同意记录在案。

保留原始文件

在剪辑或转换之前，先保存原始录音。日后如果需要核实有争议的引语，未经处理的文件就是最好的证据。请上传原始录音，而不是重新压缩过的副本；把 MP3 转成 WAV 并不能恢复已经丢失的细节。

开始之前先选定转写风格

转写稿没有唯一正确的形式。合适的风格取决于文本的用途，尽早选定能让编辑工作保持一致。

语音识别的输出通常最接近精简逐字稿：它能记下说出的内容，但往往会略去许多口头禅。如果你的研究方法要求完全逐字稿，请预留额外的听写时间，把犹豫和重叠补回来。无论选择哪种风格，都把规则写下来，让参与项目的每个人都用同样的方式转写。

分步转写采访

1. 上传录音。Media2Text 支持 MP3、M4A、WAV、AAC 和 FLAC 等常见音频格式，以及 MP4 和 MOV 等视频格式。对于视频，音轨会在你的浏览器中提取，原始视频保留在你的设备上。文件最大可达 6 GB。
2. 设置语言。对于大多数采访，自动语言识别效果都很好。如果录音开头是静音、音乐或一句另一种语言的简短问候，请手动设置语言。Media2Text 公布支持 60 种转写语言；在两种语言之间切换的采访同样可以转写，但语码转换的段落需要额外校对。
3. 保持开启说话人标签。自动说话人标签会把转写稿分成“说话人 1”“说话人 2”这样的发言轮次。标签区分的是不同的声音，而不是真实身份，所以你需要在校对时自己命名。
4. 等待处理完成。结果通常在几分钟内就绪，具体取决于时长和当前负载。一场典型的一小时采访，处理期间无需一直盯着。

如果你的采访已经以公开视频的形式发布在网上，或许可以直接粘贴链接，而不必上传文件。视频链接转文字页面列出了支持的平台，以及私密或受限媒体的限制。

校对：真正的准确度从这里来

校对是把初稿变成可靠转写稿的环节。分几轮进行，不要试图一次改完所有问题。

第 1 轮：为说话人命名

听前几轮发言，把通用标签改成采访者和受访者；如果研究要求匿名，则改成化名。检查每一处声音重叠或某人只说了很短一句的地方，因为自动标签最容易在这些位置合并或拆分。

第 2 轮：用查找和替换修正重复出现的词

人名、地名、产品名和机构名是最常见的识别错误，而且往往反复出现。在确认每个匹配项都指同一对象之后，用查找和替换一次性修正拼错的名称。

第 3 轮：核对要引用的段落

你不需要把一整个小时再听一遍。标出你打算引用、援引或编码的段落，然后点击每个时间戳去听。要格外留意数字、日期、“做了”和“没做”这类否定表达，以及发音相近的词。一句读起来通顺的引语，仍然可能是错的。

第 4 轮：抽查其余部分

即使转写稿读起来很通顺，也要听一听开头、中间一段和结尾。这样可以发现录音条件的变化、一段多人抢话，或者结尾缺失的词。

时间预算：对于清晰的双人录音，有针对性的校对通常只需采访时长的一小部分。噪声大、重叠严重或专业词汇多的录音，校对时间可能和录音本身一样长。截止日期之前请提前规划。

为分析、写作或归档而导出

根据下一步的用途选择导出格式：

• DOCX 或 PDF：分享给合著者、导师或编辑，包含说话人姓名和时间戳。
• TXT 或 Markdown：导入写作工具、笔记应用或支持纯文本的质性分析软件。
• CSV、TSV 或 JSON：希望把每个片段、说话人和时间戳作为结构化数据，用于电子表格或自己的脚本时。
• SRT 或 VTT：采访要作为带字幕的视频发布时。

对于长期项目，请使用统一的文件命名，把每个导出文件与原始录音、采访日期和受访者编号对应起来。登录账号后，你还可以生成带原文引用的“采访”风格 AI 摘要，它适合用来快速了解全貌，但绝不能代替在转写稿中核对引语。摘要、思维导图与翻译指南介绍了这些工具。

多语种采访

如果你用读者或合作研究者不懂的语言进行采访，请先用原语言转写，再创建翻译轨道。译文会保留原始的说话人标签和时间戳，因此你可以并排查看两个版本，并回到音频中的确切时刻。尽可能引用原文，把译文当作工作辅助，尤其是涉及习语和具有特定文化含义的词语时。

关于菲律宾语和 Taglish（他加禄语与英语混用）采访，请参阅他加禄语音频转文字指南，其中对语码转换有更详细的说明。

知情同意、隐私与数据处理

采访录音往往包含个人信息。录音之前，请确保参与者了解录音和转写稿将如何使用和保存，并遵守所在机构的伦理审查要求或编辑部的规范。上传时，请选择你了解其数据处理方式的服务：Media2Text 会在浏览器中从支持的视频里提取音频，准备好的音频按照已公布的隐私政策保留。安全与数据流页面说明了哪些数据会离开你的设备。

项目结束后，删除不再需要的录音和转写稿；如果曾向参与者承诺匿名，请从你发表的任何摘录中去除可识别身份的信息。

采访转写检查清单

1. 在安静的房间里靠近说话人录音，并保留原始文件。
2. 在录音开头说明姓名、职务和关键术语。
3. 确定采用完全逐字稿、精简逐字稿还是编辑稿。
4. 上传原始录音并确认语言。
5. 为说话人重新命名，并检查重叠部分。
6. 用查找和替换修正重复出现的名称。
7. 逐一收听每一段要引用的内容。
8. 导出 DOCX 用于分享，导出 CSV 或 JSON 用于分析，导出 SRT 用于字幕。
9. 按照知情同意协议保存和删除文件。

常见问题

转写一小时的采访需要多长时间？

手动输入一小时的采访往往需要好几个小时。使用自动转写，初稿通常几分钟内就能完成，剩下的时间都花在校对上。校对需要多久，主要取决于音频质量以及你需要核对多少段落。

自动转写能分辨是谁在说话吗？

它可以把不同的声音分成带标签的发言轮次，但并不知道这些人是谁。你需要在校对时分配姓名。声音相近、发言很短以及多人抢话都可能导致标签合并，因此请务必检查。

自动转写稿的准确度足以直接引用吗？

请把它当作初稿。在发表或引用之前，务必对照音频核对引语，尤其是人名、数字和否定表达。

付费前可以先试用吗？

可以。免费试用包含终身最多 2 个转写任务，共享总计 75 分钟时长，无需信用卡。付费套餐不限上传次数，单个文件时长最长可达 5 小时 15 分钟。

从下一场采访开始

在音频转文字页面上传录音，或者用视频转文字处理录制的视频通话。对于焦点小组等多人场景，语音转文字页面对说话人校对有更详细的介绍。