轉錄是什麼意思？逐字稿的定義、種類、用途與實例解析

轉錄（transcribe）的意思，是把說出口或錄下來的話寫成文字，而且使用和原本相同的語言。當你把一場訪談、一段會議錄音或一則語音訊息打成文字檔，你就是在做轉錄，最後得到的文件就叫逐字稿。本文接著說明這個詞的幾種意思、轉錄的主要種類、它和翻譯及字幕的差別，以及現在是怎麼做轉錄的。

日常用語中的「轉錄」是什麼意思

英文的 transcribe 來自拉丁文 transcribere，意思是「寫過去」或「抄寫」。中文裡常見的說法則有「轉錄」「聽打」「做逐字稿」，在台灣，學術研究和媒體圈最常說的是「打逐字稿」。這個詞有幾個相近的用法：

• 把語音寫下來。 這是現在最常見的意思：聽音訊、產出文字。「你可以把這通電話聽打出來做會議紀錄嗎？」
• 把文字從一種形式抄到另一種形式。 古代抄寫員用手抄寫書卷；今天的檔案管理員仍會把舊信件和手寫紀錄轉錄成電子文字。
• 在不同書寫系統之間轉換。 語言學家會把語音轉寫成音標（例如國際音標 IPA）；人名也可以從一種文字轉寫成另一種，例如把中文名字轉成拼音。
• 改編音樂。 樂手聽錄音把旋律寫成譜，或把曲子改編給另一種樂器演奏，也叫採譜或轉譜。

這些用法有一個共同點：內容不變，只有形式改變。

音訊與影片的轉錄

在商業、研究和媒體領域，轉錄幾乎都是指把音訊或影片轉成文字。來源可以是任何有人說話的內容：Podcast、課堂、法庭審理、醫師口述、YouTube 影片、LINE 或 WhatsApp 的語音訊息。產出的是逐字稿，通常附有時間戳記（每句話在什麼時間點說的）和說話者標籤（是誰說的）。

順帶一提生物學：如果你是在自然課上看到「轉錄」這個詞，它指的是細胞把一段 DNA 複製成 RNA 的過程，也是製造蛋白質的第一步。中文用的是同一個詞，同樣是「抄寫」的概念，只是套用在遺傳密碼上，但那是另一個主題，請參考生物課本或美國國家人類基因組研究所（NHGRI）的詞彙表等資源。本文討論的是語音。

逐字稿的種類：完整逐字稿、精簡逐字稿與編輯稿

不是每份逐字稿都記錄同樣的東西。在自己動手轉錄或委託別人之前，先決定你需要哪一種。

完整逐字稿（verbatim）。 每個字、每個聲音都照實記錄：「嗯」「呃」、說到一半重來、重複、口吃、笑聲、停頓和插話。用在「怎麼說」很重要的場合，例如法律程序、警詢、語言學研究，以及部分質性研究。

精簡逐字稿（clean verbatim）。 保留說話者的用字，但刪掉贅詞、口吃和說錯重來的部分，在意思明確時稍微修正文法。這是大多數訪談、會議、Podcast 和新聞採訪的預設格式，因為讀起來自然，又忠於原意。

編輯稿。 把內容整理成通順的文章：重組句子、刪除重複，有時還會縮短。用於文章、部落格、報告和公開刊登的問答，這些場合可讀性比一字不差更重要。

快速選擇的方法：

• 會有人分析遲疑、語氣或精確的措辭嗎？選完整逐字稿。
• 大家只是要讀懂說了什麼嗎？選精簡逐字稿。
• 要以正式文章的形式發表嗎？先做精簡逐字稿，再編輯。

我們的訪談逐字稿指南會針對研究和新聞工作深入說明這些選擇，包括如何標示停頓和聽不清楚的段落。

轉錄、翻譯、字幕與聽寫的差別

這四個詞常被混用。差別在於輸入什麼、輸出什麼，以及語言有沒有改變。

實際上它們互有重疊。字幕就是切成一段段、加上時間碼的逐字稿。翻譯字幕通常是先轉錄，再翻譯逐字稿。聽寫則是針對一個人、而且他知道自己正被打字的即時轉錄。

現在怎麼做轉錄

在大部分的歷史中，轉錄都是人工完成的：一個人聽、暫停、倒帶、打字。專業聽打員至今仍以這種方式處理法庭紀錄、病歷和難以辨識的錄音，常常用腳踏板控制播放。這種方式準確但很慢，一小時的錄音可能要花好幾個小時。

現在大多數轉錄都從自動語音辨識開始。模型把音訊切成很短的片段，辨識出聲音和字詞，利用語言上下文挑出最可能的句子，再加上標點、時間戳記和說話者標籤。中文還多了一道難題：同音字很多，模型得靠上下文判斷是「權利」還是「權力」。如果你想一步步了解這個過程，我們的語音轉文字原理說明用不需要數學的方式講解。

現代常見的流程是人機合作：機器在幾分鐘內產出草稿，再由人對照音訊校對，修正人名、數字和專業術語。錄音清楚時，草稿只需要稍微修改；吵雜的多人線上會議就需要多花些功夫。

什麼時候會需要轉錄

只要口說內容需要被搜尋、引用、閱讀或存檔，轉錄就派得上用場：

• 訪談，用於新聞採訪、使用者研究和學術研究，需要精確引用和編碼主題時。
• 會議，用來產出會議紀錄、待辦事項，並留下紀錄給缺席的人。
• 課堂與線上講座，用於讀書筆記和無障礙需求。
• Podcast 與影片，用於節目摘要、字幕和搜尋能見度。
• 法律，用於筆錄、審理和證據，通常要求嚴格的完整逐字稿。
• 醫療，醫師口述的紀錄會轉錄進病歷，通常受到嚴格的資料保護規範約束。
• 個人，例如語音備忘錄、語音訊息和錄下的通話，用讀的比重聽一遍更方便。

三步驟把檔案轉成逐字稿

如果你手上有錄音、想要文字，最快的方法是使用自動工具。以 Audiotexta 為例：

1. 上傳。 開啟 Audiotexta 網頁版，從電腦或手機拖入音訊或影片檔（MP3、M4A、WAV、MP4 等）。
2. 選擇設定。 設定錄音的語言或保持自動偵測；如果不只一個人說話，就開啟說話者標籤。
3. 校對與匯出。 一邊播放音訊一邊閱讀逐字稿，修正模型聽錯的地方，再匯出成 TXT 或 SRT、VTT 字幕（免費方案即可），或 DOCX、PDF（Pro）。

其他選擇也值得了解：部分版本的 Microsoft Word 有「轉譯」功能，Google 文件有語音輸入；Otter 和 TurboScribe 是常見的線上服務；如果你不怕動手設定，開源的 Whisper 模型也可以在自己的電腦上免費執行。想更完整地比較免費和付費的方法，請參考如何把音訊轉成文字。

不論用哪種工具，定義都一樣：轉錄保留原本的字句和語言，只改變形式，把聲音變成可以閱讀、搜尋和分享的文字。