部落格

Podcast 轉錄全流程：從頭到尾

作者： Hushscript | 發布： 2026年8月20日 | 最後審閱： 2026年8月26日

轉錄一集 Podcast 並非單一決定，而是一連串決定的組合：草稿要多準確、由誰來校對、說話者怎麼命名、文字最後要輸出成什麼格式，以及您願意每週重複多少次這套流程。流程一旦理順，一集的逐字稿只要花上幾分鐘；流程一旦出錯，每一集都會變成一場沒人排定的編輯工作。

Podcast 製作者為什麼要轉錄節目

搜尋引擎索引的是文字，不是音訊。逐字稿能讓聽眾靠主題、來賓姓名，或是一句只記得一半的話找到您的節目，而當您的舊集數多到沒人會逐一翻找時，這一點會變得更重要。

無障礙是另一半的原因。聽障與重聽聽眾需要文字，非母語聽眾、身處吵雜環境的人，以及閱讀速度比您說話還快的人也都需要。Section 508 對字幕與逐字稿的指引把逐字稿視為純音訊內容的對等替代方案，並且要求人工校對自動草稿，而不是直接丟出機器產出的原始結果。

乾淨的逐字稿也是一份原始素材：

• 用一段講太久的內容寫成部落格文章
• 用逐字措辭做成社群貼文金句
• 電子報摘要
• 節目筆記與章節標記
• 為讀某語言比聽某語言更順的聽眾提供翻譯

它也是一份存檔。兩年後，您還能在自己的節目裡搜尋當初引用的數字、想重溫的故事，或是那句只記得一半的來賓發言。

語音辨識做得到的事，以及做不到的事

自動語音辨識已經好到可以拿來當發布底稿，但還沒好到能不經校對就直接發布。一項針對 11 家服務商、衡量自動語音辨識解決方案準確度的研究發現，準確度在不同廠商之間差異很大，串流情境下更會進一步下降，這提醒我們機器轉錄並不是單一固定的品質水準。

品質主要取決於錄音本身，而不是工具。乾淨、幾乎沒有交疊發言的音訊，效果會勝過有環境雜音的現場活動錄音。單人主持讀起來會比四方辯論更順。日常對話轉錄起來，也會比滿是藥名、案例引用或產品術語的一小時內容更乾淨。

口音和口語瑕疵的處理，是通用模型最快掉分的兩個地方。如果您的節目常有國際來賓，請預留校對時間，不要假設草稿已經很乾淨。Hushscript 讓您先儲存一份人名、品牌和常見術語的詞典，並在轉錄前套用，這是您能買到最划算的準確度提升方式。

說話者標籤，以及容易出錯的地方

說話者分離會自動區分不同聲音，兩人訪談幾乎每次都能分得準確。但當兩位來賓聲音相似、大家一起大笑，或是一段長時間停頓讓同一個聲音看起來像兩個人時，就容易出錯。

標籤回傳時是通用名稱，只要重新命名一次，同一個標籤就會全文更新，所以兩人對談大約一分鐘就能命名完成，四人小組則要多花幾分鐘。Hushscript 在每一份逐字稿都免費提供說話者標籤，不按人頭收費，也沒有聲音數量上限。想了解背後機制，請參閱說話者分離的工作原理。

選擇處理方式

**人工轉錄。**您自己或聘請的聽打員逐字打出全部內容。速度最慢、成本最高，但處理困難音訊時最可靠。在一個字打錯就會出大問題的法律和醫療記錄上，這筆成本值得，但在 Podcast 上幾乎用不到。

**混合模式。**機器出草稿，人工做校對。幾乎每個節目最後都該落在這裡。機器負責打字，您負責判斷：修正同音字、補回被漏掉的否定詞、更正來賓公司名稱，並決定要留多少贅字。

**純自動化。**上傳、下載、發布。用來做內部參考或粗略的節目索引沒問題。但拿來公開發布就有風險，因為留下來的錯誤，往往是那種乍看之下很合理的錯誤。

大多數節目最後會混用後兩種做法：主打宣傳的集數做完整校對，其餘存檔裡的集數則保留未經校對的逐字稿。

按次付費，還是訂閱

訂閱制費用可預期，但就算某個月沒有發布新集數也照樣收費。按需付費只在您實際轉錄時才收費，適合季節性節目、不固定的發布節奏，或是夏天暫停更新的情況。

算成本時請以每集為單位，而不是每月。如果您每週發布，訂閱制可能比較划算。如果您是想到才發布，預付分鐘套餐能讓您先買好額度，不綁任何方案。分鐘數效期為 365 天，任何一次完成的轉錄或新購買都會重設這個效期。

建立工作流程

從頭到尾的核心流程：

1. 錄製並整理乾淨的音訊：剪掉開場閒聊和長時間靜音，匯出 MP3、M4A 或 WAV，或讓影片的音軌自動被擷取出來。
2. 上傳檔案，讓語音辨識產生草稿，說話者會自動分開標記。
3. 對照音訊校對草稿，修正同音字、被漏掉的否定詞，以及被打亂的專有名詞。
4. 決定要用清稿逐字稿還是完整逐字稿，並依接下來的用途排版文字：節目筆記、獨立的逐字稿頁面，或是定時字幕。
5. 確認來賓的期待與錄音相關的任何權利，然後發布。

上傳之前

從乾淨的音訊開始。剪掉冗長的靜音、講到一半重來的開頭，以及訪談真正開始前的閒聊。音訊越少，要讀的文字就越少，之後要刪的無關段落也越少。

匯出 MP3、M4A 或 WAV。影片也可以，Hushscript 會在您的瀏覽器中擷取音軌，所以影片檔案本身不會上傳，但如果您手邊已經有音訊匯出檔，直接交出去會更快。多軌錄音請先混音成一軌，除非您特意想讓每一軌分開轉錄。

每次都用同一套方式命名檔案：

1. 錄音日期，讓資料夾能按時間順序排列
2. 集數編號
3. 來賓姓名或主題
4. 如果有多個版本，加上版本標記

舉例來說：2026-06-18-e047-jordan-chen-final.mp3。在您只有四集的時候，這看起來無關緊要；但等到累積了兩百集，這就是找得到和找不到的差別。

校對草稿

一邊播放音訊一邊讀逐字稿。看起來就有問題的錯誤是好處理的那種。真正危險的錯誤讀起來完全通順，卻表達了跟原意相反的意思：同音字、被漏掉的否定詞，以及被打錯的專有名詞，就是最後會被發布出去的那三種錯誤。

錯誤通常會集中出現，所以請仔細讀錯誤聚集的地方，其餘部分可以略讀。開場白和結尾通常帶有人名、頭銜和口說的網址。技術性段落則帶有術語和數字。交疊發言和笑聲產生的亂碼，通常直接刪掉會比修補更好。

順便檢查標籤。確認正確的聲音被分開了，把通用標籤換成真實姓名，並把任何因長時間停頓被拆成兩個的說話者合併回去。

接著決定文字要多逐字。清稿逐字稿與完整逐字稿談的正是這個取捨：完整逐字稿保留每一個「嗯」和講到一半重來的句子，清稿逐字稿則會把它們拿掉並整理文法。大多數 Podcast 都想要後者。您的聽眾不需要每一個口頭習慣，您的來賓也會默默感謝您。

為讀者排版

一整片純文字雖然可以搜尋，卻讀不下去。給它一點結構：

• 在話題轉換處或固定間隔加上時間戳記
• 在每一輪發言前面用粗體標出說話者姓名
• 在對話真正轉折的地方加上段落分隔
• 為節目中不同的段落加上標題

接著依照發布目的做排版。節目筆記需要標題和項目符號。獨立的逐字稿頁面需要簡短導言，加上一個播放器連結。字幕則需要 SRT 或 VTT 這類定時格式。

版權、來賓與您發布的內容

逐字稿是錄音的衍生內容，因此適用於錄音的限制，通常也會延伸適用到逐字稿上。如果某一集使用了授權音樂、片段或第三方音訊，請先確認授權範圍，再發布它的文字內容。

請在發布同意書裡就談好來賓的期待，而不是事後才談。有些來賓合理地希望在發布前看過逐字稿，尤其是以官方身分發言，或談到敏感主題時更是如此。事先談好，會比頁面上線後再來協商快得多。

而且已發布的逐字稿是永久、公開，而且可以被引用的，這是音訊做不到的。如果某一集談到尚未發表的研究、客戶細節，或是您還沒公布的數字，請在上線前先審閱，將該段落遮蔽，或者乾脆不公開那一集的逐字稿。

多語言節目

請先用原始語言轉錄。這樣您會有一份準確的來源文件，而不是從一份不穩定的草稿翻譯，讓錯誤在每個分支裡不斷放大。Hushscript 支援自動偵測，涵蓋大約 99 種口語語言，您額外新增的每個翻譯目標語言，都會再花費錄音時長 25% 的費用，疊加在轉錄費用之上。

如果您的節目會混雜語言切換，或主持人本身是雙語者，請先確認您使用的服務怎麼處理節目中途的語言轉換。有些服務能自動偵測；有些則要求音訊送達前先依語言切好段。

經得起考驗的翻譯流程：

1. 轉錄原始語言，並確實校對
2. 翻譯成目標語言
3. 請母語人士審閱每份翻譯的語氣與慣用語
4. 把翻譯與原始逐字稿一起發布

不該公開的節目

不是每一段錄音都適合放進永久存檔。個人故事、客戶案例分享，以及不公開發言的段落，處理方式都應該跟每週例行訪談不一樣。

私密模式就是為了這種情況而設計的。語音辨識仍然照常執行，但不會有任何內容存進您的帳戶：結果會是一個受密碼保護的 .husharchive，供您下載，如果您一直不下載，它就會過期。在一般路徑中，逐字稿一旦儲存完成，轉錄用的音訊副本就會被移除，儲存的逐字稿內容會靜態加密，而您可以選擇讓逐字稿一直保留到您自行刪除，或是在 7、30、90 或 365 天後自動刪除。

匯出格式

逐字稿之後能拿來做什麼，取決於一開始匯出的是什麼格式。純文字格式最通用，但會遺失文字以外的一切資訊。定時格式保留了時間資訊。結構化格式則保留了全部的元資料。

Hushscript 匯出 21 種格式，外加一個受密碼保護的存檔，所以選格式只是一次下載，而不是一項轉檔工程。如果您要發布節目的剪輯影片版本，如何為影片添加字幕完整說明了定時格式的整套流程。

如果您把逐字稿餵給摘要工具，輸入內容的品質比摘要工具本身更重要。錯誤會一路傳遞下去：逐字稿裡打錯的名字，會變成後續每一份摘要、金句卡片和電子報裡同樣打錯的名字。

準確度要到什麼程度才夠

對於已發布的 Podcast 逐字稿，偶爾出現的錯字還撐得過去，因為上下文能幫讀者帶過去。但人們會據以行動的內容，像是醫療、法律或財務相關內容，就需要更嚴謹的校對，而且校對者必須熟悉相關詞彙，才能抓出那種乍看合理的替換錯誤。

與其用猜的，不如實際量測。隨機抽出五分鐘，數一數字數，再數一數錯誤數，兩者相除。這個數字會告訴您，這次校對值得花一小時還是十分鐘，也會告訴您問題出在轉錄服務，還是麥克風。

這才是重點：準確度是在錄音階段就決定好的。沒有任何轉錄服務能還原一開始就沒被清楚錄下來的字，而在更安靜的房間裡用更好的麥克風，對逐字稿品質的幫助，會遠勝過換一家轉錄服務商。

這樣做值得嗎

與其假設，不如實際追蹤。觀察逐字稿頁面的瀏覽量，確認節目是否針對談論的主題有搜尋排名，也問問聽眾當初是怎麼找到您的。逐字稿帶來的流量通常成長得很慢，但就算某一集早已跌出排行榜，它還是會持續帶來流量。

該衡量的重點：

• 撰寫節目筆記和社群貼文省下的時間
• 從搜尋引擎導入逐字稿頁面的流量
• 無障礙性，以及因此增加的聽眾
• 一份自己舊集數、可搜尋的存檔
• 從文字而不是音訊出發的二次利用

轉錄的成本是您每個月都會看到的一筆帳。它帶來的好處則分散又姍姍來遲，這正是它容易被低估的原因。

真正能撐過每週例行發布的流程，往往是最無趣的那種：乾淨的音訊進來，機器出草稿，做一次專注的校對，再轉成文字最終要去的地方適用的格式。Hushscript 負責處理中間這一段：每份逐字稿都免費附上說話者標籤、涵蓋大約 99 種語言、單次上傳最多可達 10 小時，並採用預付分鐘制而非訂閱。把一集節目拖到 Podcast 逐字稿 頁面，在您建立任何東西之前，前 5 分鐘就會先帶著說話者標籤回傳給您。