跳至主要內容

部落格

Podcast 轉成逐字稿的方法(免費預覽)

作者: 發布: 最後審閱:

要把 Podcast 轉成逐字稿,請上傳該集的音檔,先看免費的 5 分鐘預覽,再登入並執行完整轉錄。Hushscript 會標記每位主持人與來賓,您只需重新命名標籤一次,再把文字匯出成 TXT、DOCX 或 SRT。完整的一集需要帳戶和足夠的可用分鐘數;建立帳戶不需要信用卡。

Podcast 逐字稿一份兩用。它讓喜歡閱讀而不是聆聽的聽眾能搜尋並讀到這一集,也讓您不必重聽錄音,就有引述、章節和字幕的原始素材。各平台的支援是實實在在的:Apple Podcasts 為創作者說明了逐字稿與章節導覽。本指南涵蓋如何轉錄 Podcast、標記各個聲音、處理常見問題,以及運用成果。產品頁面請見 Podcast 逐字稿。

最節省時間的步驟是區分說話者。一整塊沒有分段的逐字稿,用起來幾乎和聽音訊一樣費工。Hushscript 會自動標記每個聲音,而且每份逐字稿都免費,所以對話回來時仍然是對話的樣子。

開始之前需要什麼

該集的錄音,任何常見的音訊或影片格式皆可,也可以是音檔的直接連結。如果您已從編輯軟體匯出純音訊檔案(MP3、WAV、M4A),可以直接使用。如果您手上只有 Zoom、Riverside 或 Ecamm 的影片錄製檔,同樣可行,音訊會在瀏覽器中提取,影片永遠不會上傳。

乾淨的來源音訊比什麼都有幫助。當每個人的聲音各有特色、也沒有一直互相搶話時,說話者標籤的效果最好。如果您把每位參與者錄在獨立的音軌上,就已經擁有最乾淨的輸入。單一混音軌同樣可用,只是更依賴說話者辨識來分辨聲音。可以的話,先錄乾淨的人聲,之後再於編輯軟體中加入背景音樂,因為在連續說話底下播放的片頭曲,是唯一會穩定拉低準確度的因素。

轉錄完整的一集需要帳戶。5 分鐘預覽是不需要帳戶的步驟,因此您在註冊之前,就能先用自己的檔案檢查說話者標籤和文字品質。

將 Podcast 轉成逐字稿,逐步說明

流程是先預覽,再註冊,然後轉錄其餘部分。這就是把 Podcast 音訊轉成文字的做法。

  1. 把檔案拖到 Podcast 逐字稿頁面。 Hushscript 會在瀏覽器中截取前 5 分鐘,並回傳附說話者標籤的預覽。這個步驟不需要帳戶。您能直接看到主持人和來賓如何被分開,以及自己的音訊轉出來的文字有多乾淨。
  2. 註冊以轉錄其餘部分。 輸入電子郵件並登入後,即可上傳完整的一集。符合資格的個人帳戶可在信用卡驗證後,或首次購買時,一次性獲得 30 分鐘免費額度供您試用;條款請見定價。完整轉錄需要帳戶及足夠的可用分鐘數。
  3. 等轉錄完成,然後匯出。 逐字稿回來時,每一句都帶有標籤和時間戳記。要編輯成節目筆記,就匯出 DOCX;要貼到 CMS,就匯出乾淨的 TXT;影片版本要加字幕,就匯出 SRT;如果您的 Podcast 託管平台接受逐句層級的逐字稿上傳,就匯出 JSON。

30 分鐘免費額度可以涵蓋一集短節目,或較長一集中具代表性的一段。60 分鐘的一集會從您的餘額扣除 60 分鐘,因此試用額度用完後需要儲值。

試用額度用完後,隨用隨付逐字稿是指預付分鐘套餐、無需訂閱,所以兩集之間的空檔月份不會產生任何費用。

標記每位主持人與來賓

說話者辨識會自動執行,您不需要開啟任何設定。兩人的一集(一位主持人、一位來賓),逐字稿會乾淨地分開,每一句都歸屬於兩個標籤之一。若是多人座談,Hushscript 會分出它聽到的所有不同聲音,沒有說話者人數上限。

要把通用標籤換成真實姓名:

  1. 在編輯器中點擊任一個 說話者 A。
  2. 輸入姓名,例如「Alex」或「主持人」。
  3. 該標籤在整份逐字稿中的每個位置會立即一併更新。

每個聲音只需重新標記一次,不必逐行處理。兩人的一集大約一分鐘,四人座談需要幾分鐘。重新標記之後,逐字稿中的一段看起來像這樣:

Alex [00:03:12]:所以當時你正在經營公司。最初有哪些徵兆?
Jamie [00:03:19]:老實說,就是數字。我們一個季度就掉了 40%。
Alex [00:03:27]:當時你無法解釋原因嗎?
Jamie [00:03:35]:好幾週都找不出來。那是最讓我睡不著的部分。

這就是擷取引述和撰寫附時間軸章節所需的結構。標籤會貫穿整個檔案,所以一集再長也只需標記一次。想了解區分聲音背後的原理,請見說話者辨識的運作方式。

標籤需要修正時

說話者辨識在乾淨的錄音上很準,但並非萬無一失,了解幾種常見情況,就能快速修正。

如果兩位來賓的聲音非常相似,偶爾會有幾句被歸到錯的說話者。請一邊開著音訊一邊瀏覽逐字稿,手動重新指定那幾句歸屬錯誤的內容。這比從頭輸入說話者姓名快得多,因為您只需要處理例外。

如果一位很少開口的安靜共同主持人被合併到另一個標籤,請先替主要說話者填上真實姓名,再找出應該屬於那個安靜聲音的少數幾句。在聲音分得清楚的錄音上,這兩種情況都很少遇到,這也是為什麼每人一軌值得在錄音時多花一點設定功夫。

常見問題,以及真正的成因

大多數轉錄問題都能追溯到錄音,而不是工具。有幾個問題值得在節目上線前先規劃。

互相插話與搶話。 這對任何說話者區分系統都是最難的情況,因為同一瞬間的兩個聲音無法被乾淨地分開。文字通常仍可閱讀,但嚴重重疊的片刻可能會被歸給其中一位說話者,或在交界處變得模糊。良好的 Podcast 錄製習慣在這裡本來就有幫助:主持人讓來賓把話說完,逐字稿自然更乾淨。真的發生時,對照音訊手動修正那幾行即可。

遠端來賓錄在同一軌上。 通話若錄成單一混音檔,比每位參與者各自一軌的同一場通話更難區分。如果您的工具支援在本機錄下每位參與者,請使用;如果您只有混音檔,逐字稿仍然能產出,只是更依賴說話者辨識。無論哪種方式,上傳的都是同樣的音訊,所以轉錄時沒有什麼不同的操作。如果您確實為每位來賓各錄了一軌,需要在上傳前合併成單一檔案,免費的音訊合併工具可以在瀏覽器中完成,不會上傳任何內容。透過 Chrome 分頁加入的來賓,可以用免費的 Hushscript Chrome 擴充功能錄製,它會將分頁與您的麥克風混成一份錄音。開始前,請先告知來賓。

濃重口音與語碼轉換。 Hushscript 會自動偵測語言,可轉錄約 99 種語言,其中十八種語言有頂尖的準確度,因此使用支援語言但口音明顯的來賓也能處理得很好。真正困難的是來賓在一句話中途切換兩種語言;請預期要手動整理切換的片語。完整的支援語言清單請見語言頁面。

片頭音樂與過場音效。 段落之間的音樂通常會被略過,而不會被轉成亂碼。只有在長時間於連續說話底下播放音樂時才會出問題。乾淨的解法在編輯端:先錄乾淨的人聲,之後再加入音樂,轉錄時就只會聽到說話聲。

人名、行話與品牌拼寫。 專業領域的來賓會使用模型可能以音譯方式呈現的術語和產品名稱。這些問題很快就能修好,因為它們會重複出現,在匯出的文件上搜尋並取代,一次就能處理重複出現的錯誤拼寫。

幾個提高準確度的訣竅

最大的槓桿是錄音品質,所以花在麥克風和安靜房間上的功夫,會在轉錄時回報。除此之外,每位說話者各一軌,既能得到最乾淨的文字,也能得到最乾淨的說話者標籤,因為系統不必從同一道波形中拆解兩個聲音。讓來賓的麥克風保持貼近且位置穩定,不要忽遠忽近,您就能把編輯時間花在內容上,而不是補救上。

校對時,請一邊開著音訊一邊閱讀,並分輪修正:先是說話者標籤,再是聽錯的人名和行話,最後才是偶爾的重疊。依類別處理比由上到下逐行閱讀更快,也能讓您得到一份乾淨到足以發布的文件。

運用逐字稿

文字整理乾淨後,就能作為引述、章節和字幕的基礎。每一句都附有時間戳記,所以不必重聽整集,就能找到話題轉換的位置。要在文字中搜尋口述的網址,可以找「dot com」或「slash」之類的片段。至於摘錄引述,請有意識地決定要不要保留贅詞;清稿逐字稿與完整逐字稿兩種做法都有說明。

節目筆記、章節和其餘發布流程,請見 Podcast 轉錄流程。

Spotify Podcast 逐字稿

Spotify 可以在單集旁顯示逐字稿。依其創作者說明,部分節目會有自動產生的逐字稿,聽眾在 Spotify 手機 App 的「正在播放」畫面和單集頁面中能看到。若要改為發布您自己審核過的文字,需上傳不超過 5 MB 的 VTT 或 SRT 檔。請附上時間戳記,否則文字無法在播放時同步。

要製作這個檔案,請轉錄您的原始節目音檔,而不是從 Spotify 取得的副本。Hushscript 不會從 Spotify 頁面匯入單集,而且編輯軟體匯出的檔案本來就是最乾淨的來源。在編輯器中修正人名與說話者標籤,再匯出 SRT 或 VTT。兩種格式都帶有 Spotify 要求的時間戳記。

先確認兩件事。Spotify 表示,若啟用自動產生的逐字稿,上傳的逐字稿會被取代,所以請先決定要用哪一種。另外,您無法在 Spotify for Creators 內編輯逐字稿:要在本機修改檔案後重新上傳。請把修正後的 SRT 當作主檔,每次修改後重新匯出。Spotify 也表示,視您的 Podcast 代管服務而定,可能無法同步您的逐字稿,而且並非所有創作者都能使用逐字稿,Spotify for Creators 手機 App 中也沒有。其說明把相關控制項放在網頁版 Spotify for Creators:整個節目到「設定」再到「逐字稿」,單集則到該集的「詳細資料」。

加上字幕

如果您把該集的影片版本發布到影片託管平台、Spotify 影片或 LinkedIn 等平台,SRT 匯出就是一份附時間軸、可直接上傳的字幕檔。不需要額外步驟,因為您已產生的逐字稿本來就帶有時間資料。如果您只有音檔,而平台要的是影片檔,免費的 MP3 轉 MP4 工具能在瀏覽器中把該集轉成搭配靜態圖片或純色畫面的 MP4,不會上傳任何內容。它支援最大 200 MB、約 3 小時的檔案。想了解把字幕加到影片上的完整流程,包括內嵌字幕與外掛字幕檔的差別,請見如何為影片加入字幕。

如果您的起點是影片錄製檔而不是匯出的音訊,流程完全相同,只是先在瀏覽器中提取音訊。影片轉文字頁面完整說明了這條路徑。

長篇與多段節目

對於長篇節目或現場錄音,Hushscript 接受最長 10 小時的上傳,沒有檔案大小限制。四小時的座談或紀錄片形式的一集,會以單一檔案處理,而不是被切成許多段,這有兩個重要原因。說話者標籤在整個檔案中保持一致,所以您只需重新標記一次。而且時間戳記是連續的,因此第三小時的章節會顯示為 [03:12:40],而不是在第二段從零重新開始。

如果您在同一場錄音中錄了多段系列,請將整場錄音當成單一檔案轉錄,之後再依段落拆分節目筆記。先切割音訊只會讓重新標記的工作倍增。

獨立來源與標準

Hushscript 參考了這些獨立且非競爭性的資料來源。它們用於說明研究、標準或平台運作方式,並不代表其為 Hushscript 背書。

來源審閱日期:

常見問題

如何將 Podcast 轉成逐字稿?

上傳該集的音檔,或是該集的影片錄製檔,先看免費的 5 分鐘預覽,再登入並執行完整轉錄。重新命名說話者標籤,對照音訊閱讀文字,然後匯出 TXT、DOCX 或 SRT。60 分鐘的一集會從您的餘額扣除 60 分鐘。

可以免費把 Podcast 轉成逐字稿嗎?

部分免費。5 分鐘預覽免費且不需要帳戶,讓您用自己的節目判斷文字品質與說話者標籤。符合資格的個人帳戶也可在信用卡驗證後,或首次購買時,一次性獲得 30 分鐘免費額度。較長的一集需要預付分鐘數,無需訂閱。

可以從 MP3 或連結把 Podcast 音訊轉成逐字稿嗎?

MP3 和其他常見的音訊檔案可以,直接上傳即可。如果您只有音檔的直接連結,可以直接匯入,不必先下載再重新上傳。影片連結不會匯入,因為音訊是在您的裝置上從本機影片檔案中提取的。

如何在逐字稿中標記主持人和每位來賓?

Hushscript 會自動區分說話者,並加上「說話者 A」、「說話者 B」之類的標籤。轉錄完成後,點擊編輯器中的任一標籤,輸入真實姓名,該說話者出現的每個位置都會一併更新。兩人的一集大約一分鐘就能重新標記完,四個聲音的座談則需要幾分鐘。

說話者標籤需要額外付費嗎?

不需要。Hushscript 產生的每份逐字稿都免費包含說話者標籤,不按說話者收費,也不限制聲音數量。許多工具把這項功能放在較高的方案裡,在這裡它是標準輸出的一部分。

可以把 Podcast 的影片錄製檔轉成逐字稿嗎?

可以。如果您有 MP4、MOV 或 MKV 等影片檔案,會先在瀏覽器中提取音訊再上傳,因此影片會留在您的裝置上。只有提取出的音訊會傳到伺服器,這也能避免大型影片檔案占滿您的網路頻寬。

一次最長可以處理多長的一集?

每次上傳最長 10 小時,沒有檔案大小限制。60 分鐘的一集、兩小時的深度對談,或四小時的現場錄音,都能以單一檔案處理,因此您只需重新標記說話者一次,不必把幾個部分拼在一起。

Hushscript 可以匯出哪些格式?

TXT、SRT、VTT、CSV、TSV、Markdown、HTML、RTF、XML、JSON、DOCX、PDF,以及受密碼保護的 .husharchive,皆無浮水印。要寫節目筆記的話,DOCX 會給您一份可直接編輯的格式化文件。如果您發布影片版本,SRT 提供附時間軸的字幕。如果您的 Podcast 託管平台接受逐字稿上傳,JSON 則提供逐句層級的資料。

寫節目筆記一定要把整集轉成逐字稿嗎?

若要準確的時間戳記與逐字引述,是的。您可以憑記憶寫個大概,但章節標記、精確引述和可搜尋的完整逐字稿,都來自完整的文字。在您決定轉錄整集之前,5 分鐘預覽可以先讓您看到品質。

背景音樂或片頭曲會干擾逐字稿的生成嗎?

段落之間的音樂通常會被略過或不轉錄,人聲底下的短暫片頭曲也很少造成問題。如果音樂墊底在連續說話時一直播放,那一段的準確度可能會下降。先錄乾淨的人聲,之後再在編輯器中加入音樂,可以得到最好的逐字稿。

要怎麼把逐字稿加到我在 Spotify 上的 Podcast?

轉錄您的原始節目音檔,檢查文字,再匯出附時間戳記的 SRT 或 VTT。Spotify 表示上傳的檔案必須是不超過 5 MB 的 VTT 或 SRT,而且視您的 Podcast 代管服務而定,可能無法同步您的逐字稿。請在網頁版 Spotify for Creators 查看該選項;手機 App 中沒有。如果您開啟 Spotify 自動產生的逐字稿,它們會取代您上傳的檔案。

可以用 Spotify 連結轉錄 Spotify 上的 Podcast 嗎?

不行。Hushscript 不會從 Spotify 頁面擷取單集。請使用編輯軟體或錄音設備中的原始音檔,或您自行代管的音檔直接連結。這也是更好的來源,因為那是您節目最乾淨的版本。

錄音清晰的 Podcast,逐字稿有多準確?

在雙麥克風、幾乎沒有互相插話的乾淨錄音上,文字的準確度已足以在快速校對後發布。準確度主要取決於錄音品質、口音,以及來賓互相搶話的頻率,與您上傳的檔案格式無關。

從 30 分鐘免費額度開始

建立帳戶前即可預覽最長 5 分鐘,新的個人帳戶還可在應用程式中免費預覽首次上傳的檔案。完整轉錄需要帳戶及分鐘數;符合資格的個人帳戶可獲得一次 30 分鐘免費額度,於信用卡驗證後或首次購買時發放。無訂閱。

開始––30 分鐘免費