從錄音、AI 轉錄到質性分析的工具整理(本篇文章從2019年開始陸續更新中，歡迎各種討論、推薦)

做質性研究或訪談的研究生，應該都曾經被逐字稿折磨過。

訪談一小時，聽打可能需要三、四個小時；遇到收音不清楚、多人同時說話、專有名詞，或受訪者講話速度很快，時間還會繼續往上加，我最近一次的訪談是8個小時，真的是謝了。

逐字稿真的是一座地獄，而且打完逐字稿，研究才正要開始，校對、整理、編碼與分析。

這篇文章最早整理的是我十多年前開始使用的逐字稿工作流程。這些年，工具從人工聽打慢慢走向 AI 語音辨識，我自己也從學生變成研究助理，工作上依然需要處理大量訪談與逐字稿。

所以，我重新整理了一次目前的做法。

這篇不只列出工具，而是想回答三個比較實際的問題：

• 錄音結束後，怎麼比較快得到初稿？

• AI 辨識錯誤很多時，要用什麼工具校對？

• 完成逐字稿後，怎麼接到 MAXQDA 做質性分析？

先提醒：如果訪談內容涉及個人資料、醫療、政治立場、工作經驗或尚未公開的研究資料，選工具時不能只看辨識率，還要確認錄音會被傳到哪裡、保存多久，以及是否會被拿來改善模型。

一、先決定你是哪一種需求

情境一：中文訪談，希望快速取得初稿

可以先使用雅婷逐字稿、SubEasy 等中文語音辨識服務產生初稿，再搭配 oTranscribe 或 Express Scribe 校對。

AI 不一定能直接交出可以分析的逐字稿，但只要能先辨識出大致內容，就可能省下一部分從零聽打的時間。

情境二：錄音不能上傳外部平台

如果研究資料有嚴格的隱私規範，應優先使用研究機構提供的院內服務，或選擇可以在本機處理的工具。

oTranscribe 和 Express Scribe 本身不會替你辨識語音，但很適合人工聽打與校對。這類工具雖然比較辛苦，但能讓資料留在自己的電腦上。

情境三：英文、日文或其他語言

可以選擇支援該語言的 AI 轉錄服務，先用一小段錄音測試，再決定是否付費。

不要只看服務宣稱支援多少語言。真正需要測試的是：

• 受訪者的口音

• 錄音環境

• 專有名詞

• 多人對話

• 中英或多語言穿插

• 講者辨識是否正確

「支援某種語言」和「能正確處理你的訪談」是兩件不同的事。

情境四：已經有逐字稿，要開始編碼分析

可以將整理完成的 DOCX、TXT、RTF、Markdown 或其他文字格式匯入 MAXQDA，再進行編碼、備忘錄、關鍵字整理及主題分析。

二、我目前建議的逐字稿流程

一套比較完整的流程大致如下：

錄音 → AI 轉錄初稿 → 人工對照錄音校正 → 統一格式 → 去識別化 → 匯入 MAXQDA → 編碼與分析

AI 轉錄只是其中一步，並不是按下按鈕就能直接得到研究資料。

在校對階段，至少要特別檢查：

• 受訪者姓名與身分資訊

• 地名、機構名及專有名詞

• 數字、日期與否定句

• 講者標示

• 聽不清楚的段落

• 笑聲、停頓或重要的非語言訊息

• AI 自行補出、但錄音中其實不存在的內容

如果逐字稿要進入正式研究分析，目前仍然無法省略人工校對。

三、語音辨識與逐字稿工具

1. 雅婷逐字稿：中文語音辨識

雅婷逐字稿是由台灣人工智慧實驗室開發的語音轉文字服務，針對台灣的語言與口音情境進行設計。

我過去使用時，中文辨識效果在同類工具中算是相對實用。它適合會議、訪談、課堂或其他需要快速留下文字紀錄的情境。

不過，免費額度與功能可能隨時間調整，使用前還是要查看目前的方案。辨識效果也會受到口音、環境雜音、麥克風距離及多人交談影響。

Android：
https://play.google.com/store/apps/details?id=tw.ailabs.Yating.Transcriber&hl=zh_TW

iOS：
https://apps.apple.com/tw/app/雅婷逐字稿/id1343659994

適合誰？

• 訪談主要使用中文

• 希望先取得可以校對的初稿

• 在意台灣口音的辨識表現

• 已確認研究資料可以使用該服務處理

2. oTranscribe：一邊聽、一邊校對

oTranscribe 不是自動語音辨識服務，而是一個協助人工聽打與校對的網頁工具。

它把播放器和文字編輯區放在同一個畫面，可以直接用鍵盤控制播放、暫停、倒退及調整速度，不必一直在播放器和 Word 之間切換。

更正一下原文的說法：oTranscribe 第一次需要開啟網頁，但其經典版會將錄音與逐字稿保留在本機瀏覽器中，不會把內容上傳到遠端伺服器，也具有離線使用設計。

不過，資料主要存在瀏覽器儲存空間。清除瀏覽資料、換電腦或瀏覽器故障，都可能讓內容消失，使用時一定要定期匯出備份。

網頁：
https://otranscribe.com/

適合誰？

• 想自己人工聽打

• 已經有 AI 初稿，需要逐句校對

• 不希望把錄音上傳到雲端轉錄服務

• 不想安裝額外軟體

3. Express Scribe：適合長時間人工聽打

Express Scribe 是可以安裝在電腦上的聽打輔助軟體。它能調整播放速度、設定快捷鍵，也可以搭配腳踏板操作。

如果錄音不能上傳雲端，或 AI 辨識結果實在太差，Express Scribe 是比較傳統但可靠的做法。

它不會自動幫你完成逐字稿，重點是讓人工聽打時少一點反覆切換視窗的痛苦。

下載：
https://www.nch.com.au/scribe/index.html

適合誰？

• 需要離線工作

• 經常處理很長的錄音

• 習慣用快捷鍵控制播放

• 因資料隱私而必須人工轉錄

4. 聲音轉文字工具：社群自製方案

以前研究室戰友曾找到「瑞課的日常生活」分享的聲音轉文字工具。

它的效果仍需要依照錄音內容調整，但如果可以先產生一部分文字，再放到 oTranscribe 裡繼續校對，即使只減少一部分人工輸入，也可能讓工作舒服一些。

使用教學：
https://www.youtube.com/watch?v=w539oyC816s

能夠自己開發出系統真的很厲害。不過，這類社群工具可能因套件、平台或權限改變而失效，使用前要先確認目前是否仍能運作，也不要直接用敏感訪談資料測試。

5. SubEasy：朋友推薦的 AI 轉錄工具

剪接師朋友最近推薦我使用 SubEasy，說它的語音辨識效果還不錯。它可以上傳音訊或影片，自動產生逐字稿，也提供線上編輯功能。

目前免費版已有基本轉錄額度，適合先用短檔案測試。我使用時可以將結果輸出成 TXT 和 Word，對單純需要文字稿，或準備將 DOCX 匯入 MAXQDA 的人來說，已經算是實用。

不過，如果需要 SRT、VTT 等字幕格式，或講者辨識、較高準確度及其他進階功能，仍要以當下帳號介面和方案說明為準。這類服務的免費額度與匯出限制經常調整，正式使用前最好再確認一次。

我目前還沒有使用不同口音、多人對話及混合語言做完整比較，因此先把它列為朋友推薦、等待進一步測試的工具，而不是直接判定哪一家的辨識效果最好。

官網：
https://www.subeasy.ai/

適合誰？

• 想先免費測試 AI 轉錄

• 主要需要 TXT 或 Word 逐字稿

• 希望取得初稿後再人工校對

• 想將 Word 文件接到 MAXQDA 繼續整理

同樣要提醒：如果處理的是研究訪談，使用前仍要確認平台的資料保存、第三方處理及模型訓練政策，不要直接用含有受訪者身分資訊的錄音試用。

6. Subanana：多語言轉錄工具，測試中

最近收到 Subanana 共同創辦人的來信，才注意到這項由香港團隊開發的網頁版語音轉文字服務。

Subanana 主打多語言轉錄、講者辨識、自動標點與分段，並可匯出 SRT、VTT、TXT、DOCX、XLSX 和 Markdown 等格式。DOCX 可以接到 MAXQDA，對後續編碼可能比較方便。

我已經註冊並簡單操作過，第一印象是介面清楚、上手速度快。

不過，目前免費版主要用來預覽辨識結果，無法完整匯出逐字稿，因此我還沒有完成包含匯出、講者辨識與 MAXQDA 銜接的完整測試。

我特別想測試的是：

• 中文、英文與日文的辨識差異

• 中英日穿插時的處理方式

• 多人對話的講者辨識

• DOCX 匯入 MAXQDA 後的格式

• 專有名詞與自訂詞彙

• 錄音及逐字稿的保存與刪除機制

需要注意的是，Subanana 的一般檔案轉錄模式目前仍可能要求使用者選擇一種主要來源語言。因此，「支援多種語言」不一定等於「可以完整保留同一段錄音中的多語言切換」。

另外，研究訪談通常涉及受訪者資料。使用任何外部雲端轉錄服務前，都要先閱讀隱私政策，確認研究倫理審查、受訪者同意書及所屬機構是否允許使用。

官網：
https://subanana.com/

四、逐字稿完成後：使用 MAXQDA 進行質性分析

MAXQDA 是什麼？

MAXQDA 是質性與混合研究常用的分析軟體，可以整理訪談、建立編碼、撰寫備忘錄、比較不同受訪者，也能處理文字、表格、音訊與影片。

它支援 DOCX、TXT、RTF、Markdown 等文字格式，也可以匯入音訊、影片及字幕資料。

如果你要進行主題分析、紮根理論、內容分析或焦點團體研究，MAXQDA 可以幫助你把大量逐字稿整理成比較有系統的資料。

官網：
https://www.maxqda.com/taiwan/dingxing-yanjiu-ruanjian

匯入前的整理建議

在把逐字稿匯入 MAXQDA 以前，可以先統一格式：

訪談者：
請問您第一次參與這項工作的時間是什麼時候？

受訪者 A：
大概是 2020 年左右，當時……

另外建議：

• 每位受訪者使用一致的代碼

• 先移除姓名、電話和其他可識別資訊

• 每次發言分成獨立段落

• 聽不清楚處統一標示，例如 [聽不清楚 00:12:35]

• 保留必要的時間碼

• 建立原始檔、校對稿和分析稿的版本區分

格式先整理好，後面的自動編碼、搜尋與比較都會輕鬆很多。

五、資料隱私：不要只看辨識準確率

研究用錄音和一般會議紀錄不同。訪談可能包含：

• 姓名及聯絡方式

• 健康與醫療資訊

• 工作場所與職務

• 政治立場

• 家庭或創傷經驗

• 尚未公開的研究發現

在使用 AI 轉錄工具以前，至少應確認：

1. 錄音會不會離開自己的電腦？

2. 資料會傳到哪個國家或地區？

3. 平台會保存多久？

4. 刪除帳號後，備份資料多久才會清除？

5. 內容會不會被用來訓練或改善模型？

6. 是否有第三方 AI 或雲端供應商參與處理？

7. 受訪者同意書是否涵蓋這種處理方式？

8. 所屬學校或研究機構是否允許使用？

我目前在研究單位工作，正式研究資料仍會優先使用機構內部提供的轉錄服務。外部工具則以自有錄音、公開素材或完成去識別化的資料測試。

AI 很方便，但研究倫理和受訪者信任不能一起外包出去。

六、其他研究整理工具

Draw.io：製作研究流程圖

質性研究不一定會使用大量統計圖表，但流程圖、概念圖或研究架構圖，有時能讓論述更清楚。

https://app.diagrams.net/

中文錯別字檢查

逐字稿完成後，可以再利用錯字檢查工具做第一輪掃描。不過，人名、地名、方言與口語內容很容易被誤判，不能直接接受所有修正。

教育部相關工具：
https://coct.naer.edu.tw/spcheck/

中研院中文錯別字系統：
http://sunlight.iis.sinica.edu.tw/spcheck/

研究方法淺談

https://open.firstory.me/story/ckqxkfgz9s3st08284tl06gpp/platforms

如果對研究方法，或是這些方法到底有什麼意義之類的，可以輕鬆聽聽Podcast~~

兩人背景是政大傳播研究所跟英國東倫敦戲劇表演研究所，歡迎有興趣的朋友給予回饋^^

切記：AI 可以幫忙，但逐字稿仍需要人

從完全人工聽打，到現在可以先用 AI 產生初稿，逐字稿工具確實進步了很多。

不過，研究者真正需要的通常不是一份「看起來像文字」的輸出，而是一份能夠忠實呈現訪談、保護受訪者，而且可以進入後續分析的研究資料。

所以目前最實際的期待，不是 AI 完全取代人工，而是：

讓我們少花一點時間重複播放，留下更多時間理解受訪者真正說了什麼。

如果你也正在逐字稿地獄裡，希望這篇整理能讓你爬得快一點。

也歡迎分享你正在使用的轉錄工具。尤其是中英日混用、多人對話、方言或特殊口音的經驗——這些大概仍是下一代轉錄工具最需要解決的問題。

我相當期待能有無痛處理逐字稿的那一天!!!!