逐字稿 vs 精简逐字稿：三种转写风格的区别与选择方法

逐字稿（verbatim transcription）按原样记录说话内容，包括“嗯”“呃”这类语气词、结巴、说到一半改口和重复；精简逐字稿（clean verbatim，也叫智能逐字稿 intelligent verbatim）保留说话人的原话，但删掉这些磕绊，让文字更好读。第三种风格是编辑稿，它更进一步，为了清晰而改写。当“怎么说的”很重要时（法律工作、会话分析）选严格逐字稿；大多数访谈、研究和字幕用精简逐字稿；要公开发表的文字用编辑稿。

下面依次介绍每种风格的定义、同一小段话的三种写法、对比表、各种风格适用的场景，以及一份选择清单。

什么是逐字稿？

“逐字”就是一字不差，但转写服务商和研究者用这个词指代三种不同的详细程度。各家风格指南的叫法不一样，所以在下单或自己动手转写之前，最好先把定义说清楚。

严格逐字稿（true verbatim，也叫“完整逐字稿”或“全逐字稿”）记录所有能听到的内容：每一个字、每一个“嗯”和“呃”、结巴、改口、重复的词、没说完的句子，通常还有非语言声音和停顿，比如 [笑]、[咳嗽] 或（停顿）。语法完全保持口语原样。

精简逐字稿（clean verbatim，常称智能逐字稿）保留说话人自己的用词和句子结构，但省去对意思没有贡献的语气词、结巴、改口和重复。它不应该转述或“润色”对方说的话。

编辑稿（edited transcription，有时也叫“整理稿”或“轻度编辑稿”）还会纠正语法、压缩啰嗦的句子，甚至调整语序、合并表达，让文字读起来像书面文章。它忠实记录的是意思，而不是字句。

有些研究传统还有第四个层级：带有时间、话语重叠和语调标注的详细转写，例如会话分析中使用的 Jefferson 转写体系。我们的定性研究转写指南介绍了这些规范。

严格逐字稿 vs 精简逐字稿：同一段话的三种写法

下面是一段访谈的四行节选，分别用三种风格转写。

严格逐字稿

访：那个，嗯，你是怎么——你是怎么当上护士的？
受：呃，就是，我觉得，这个——这个算是个意外吧，你知道吗？[笑]
受：我妈就是护士，然后我——我当时发誓绝对不干这行。
受：但是后来，嗯，大学毕业以后我就……我就有点，那个，晃荡。（停顿）

精简逐字稿

访：你是怎么当上护士的？
受：这个算是个意外吧。[笑]
受：我妈就是护士，我当时发誓绝对不干这行。
受：但是后来大学毕业以后我就有点晃荡。

编辑稿

访：您是如何成为一名护士的？
受：几乎是偶然。我母亲是护士，我曾发誓不走她的路，
    但大学毕业后，我一度没有方向。

注意变化在哪里。精简版删掉了“嗯”“呃”“就是”“那个”“你知道吗”，以及重复的“你是怎么”和“我”，但保留了说话人口语化的说法（“我妈”“晃荡”“算是”）。要不要保留 [笑] 由风格指南决定；许多精简逐字稿规范只在非语言声音改变意思时才保留它。编辑版更短、更顺，但已经不再是受访者自己的声音了。

对比表

各种风格分别在什么场合必需

法律与合规

证人证言、庭审、警方问询、保险理赔，以及作为证据使用的录音，通常要求严格逐字稿。回答前的停顿、自我纠正，或者一句“是……不，抱歉”，都可能改变一段陈述的解读，所以删不删是编辑层面的决定，不应由转写员来做。具体要求取决于法院、法域以及委托转写的一方，请遵循他们的指示或格式规定。

学术与定性研究

由研究方法决定。会话分析、话语分析和语言学研究需要严格逐字稿，常常还要加标注。主题分析、应用研究和大多数政策研究一般用精简逐字稿，因为关注的是受访者说了什么，而不是怎么说的。无论选哪种，都要在转写前把规则写下来，并在研究方法部分说明。

新闻与媒体

记者通常根据精简逐字稿工作，引用前再回去听音频。直接引语应与原话一致；删掉语气词一般可以接受，改动用词则不行。对于长篇报道，编辑稿可以作为方便阅读的副本，只要引语都对照录音核实过。我们的访谈转写指南介绍了录音和引用的工作流程。

字幕

字幕几乎总是精简逐字稿或轻度编辑的文本。观众每条字幕只有几秒钟的阅读时间，电视台和平台的字幕规范也限制了阅读速度和每行长度，所以除非对场景或人物有意义，语气词和改口都会被删掉。面向听障观众的字幕还会加上 [关门声] 这样的声音描述，这和逐字稿里的语气词是两类不同的细节。字幕格式请参阅我们的 SRT 和 VTT 字幕生成指南。

商务、会议与播客

会议纪要、播客节目简介和客户访谈通常用精简逐字稿，之后往往再附一份摘要。在这些场景里，严格逐字稿只会增加阅读时间，并不增加价值。

AI 转写稿的表现

自动转写并不能整齐地对应这几种风格，所以最好提前知道会得到什么。

• 语气词往往会消失。 实际使用中，Whisper 级别的模型经常省略“嗯”“呃”和重复的词，生成的文字更像说话人想表达的意思，而不是他们实际说出的话。CrisperWhisper 论文（Interspeech 2024）的研究者指出，标准 Whisper 会去掉许多语气词和重复，并专门微调了一个保留这些内容的变体。OpenAI 自己的语音转文字指南把“保留语气词”列为可以通过提示词引导的行为，这说明它并不是默认设置。
• 结果接近精简逐字稿，但不完全一样。 模型也可能把一次改口或半个词抹平，偶尔又会保留它恰好识别出来的语气词。输出并不遵循某种风格指南，而是不太一致。
• 非语言声音和停顿通常缺失。 大多数工具不会标注 [笑] 或带时长的停顿，我们也不知道有哪款工具能可靠地生成 Jefferson 式标注。
• 标点是猜出来的。 断句和逗号都是推断的，在冗长、一口气说完的回答里，可能会微妙地改变意思。中文转写还要注意同音字和人名、术语的写法。

所以，AI 初稿是做精简逐字稿的好起点，要做严格逐字稿则需要人工再过一遍。音频质量也很重要：我们的转写准确率技巧解释了麦克风、多人抢话和口音如何影响初稿。

如何选择转写风格：检查清单

在自己转写或下单之前，先过一遍这些问题：

• 转写稿会被用作证据或用于法律程序吗？ 用严格逐字稿，并遵循要求方的指示。
• 你的分析关注人们怎么说话吗（犹豫、修正、话轮转换）？用严格逐字稿，可能还要加标注。
• 你主要需要人们说了什么，用于提炼主题、引语或决定吗？精简逐字稿通常就够了。
• 文字会被发表，或给不在场的人阅读吗？ 考虑做一份编辑稿，并把精简逐字稿保留为原始依据。
• 是做字幕吗？ 用精简逐字稿，再按阅读速度缩短每行。
• 规则写下来了吗？ 列出语气词、俚语、方言、非语言声音、听不清的段落和说话人标签的处理方式，并在每个文件上统一执行。
• 谁来对照音频检查转写稿？ 无论哪种风格，都应该有人至少完整听一遍。

把 AI 初稿改成你需要的风格

一个实用的做法是先拿到自动转写稿，再进行调整。以 Audiotexta 为例，你可以上传文件或用麦克风录音，得到一份带说话人标签和时间戳的语音转文字初稿，然后在编辑器里修改：播放时每个词都会高亮，点击任意词就能跳到音频中对应的位置。这样，无论是为严格逐字稿补上漏掉的语气词和停顿，还是为精简逐字稿删掉残留的磕绊，都会快很多。你可以在网页应用中用免费方案试用，无需账户，适用于 30 分钟以内的文件。

当转写稿符合你选定的风格后，按下一步的需要导出：TXT、SRT 和 VTT 免费即可下载（TXT 适合导入分析软件，SRT 和 VTT 用于字幕），用作阅读副本的 DOCX 或 PDF 则属于 Pro 方案。每个文件都附上一份说明，写明所用的风格和规则，这样以后任何人阅读时都清楚，你的项目里“逐字”到底指的是什么。