語音轉文字怎麼做？從 AI 初稿到逐字稿的完整指南
一小時的錄音，整理成逐字稿常常不只一小時。你得反覆暫停、倒回去聽，還要猜清楚講者剛才說的是哪個名詞。
AI 可以先完成語音轉文字的初稿，把時間留給核對與整理。這篇以 Textamisu 的流程為例，帶你從一份錄音開始，整理出方便閱讀、搜尋與回聽的文字。
先決定：你需要保留多少原話？
開始前，先想清楚這份文字要拿來做什麼。
如果是訪談紀錄，你可能希望保留講者原本的用詞與說話方式；如果是自己複習課程，可能更在意句子容易閱讀、關鍵詞可以搜尋。
不論用途是什麼，校正時都要分清楚兩件事：一是修正辨識錯誤，二是重新改寫內容。前者讓文字貼近聲音，後者可能改變講者的表達。
建議先完成忠實的版本，再依用途整理。遇到聽不清楚的內容，先標記下來回頭確認，不必為了讓句子順暢而補出沒有把握的字。
第一步：準備錄音或影片
進入 字幕工作區，選擇「Google Drive 選擇影音檔案」。目前正式介面的影音匯入入口是 Google Drive；請先把準備處理的錄音或影片放在自己的 Drive 中，再依畫面流程選取。
畫面列出的格式包括 MP3、WAV、M4A、AAC、MP4、MOV、MKV 與 WebM。只需要原文逐字稿時，將「翻譯目標」選為「只保留原始字幕」；圖中則示範選擇繁體中文翻譯的設定。
如果還沒開始錄音，可以先做幾個簡單調整：
- 讓麥克風靠近主要說話的人。
- 減少持續的背景音樂與環境聲。
- 多人對話時，盡量避免同時說話。
- 正式錄製前，先試錄並回聽一小段。
如果錄音已經完成，也不用卡在追求完美音質。先用現有素材建立初稿，再集中檢查聲音不清楚的地方。
0){this.dataset.loaded=’true’}” data-istopthreeimage=”true” alt=”vocus｜新世代的創作平台”>
圖 1｜正式工作區的 Google Drive 匯入入口。先設定翻譯目標，閱讀服務處理說明後，再進行檔案選取。
第二步：完成 AI 轉譯，先快速讀一遍
上傳後，依工作區設定完成語音轉文字。拿到初稿時，先快速看過整體內容，找出明顯錯誤與不自然的句子。
這一遍不用修完每個標點。先掌握哪些段落大致可讀，哪些需要回聽，再進入逐句校正。
Textamisu 會把文字與時間連結，讓你從對應位置回聽。長錄音也可以利用搜尋找到關鍵字，再核對附近的內容。
第三步：按照「影響意思的程度」校正
以下順序可以作為起點：
- 數字與否定詞：日期、金額、比例，以及「是／不是」「需要／不需要」。
- 人名與專有名詞：姓名、品牌、課程術語、產品名稱。
- 不通順的句子：回聽確認是否漏字，或斷句位置不合適。
- 標點與閱讀節奏：在內容確認後，再整理句子長短。
舉一個虛構的校正例子：
AI 初稿：「我們下週需要更新。」 回聽確認後：「我們下週不需要更新。」
只差一個「不」，意思就完全不同。這也是為什麼看起來很自然的句子，仍值得對照原音。
0){this.dataset.loaded=’true’}” data-istopthreeimage=”true” alt=”vocus｜新世代的創作平台”>
圖 2｜雙擊字幕卡片可進入文字編輯。此圖使用既有雙語任務展示中文譯文編輯位置，並非上方虛構句子的辨識實驗；沒有為拍圖更改原有字幕。
第四步：讓同一個名詞保持一致
訪談或課程中，同一個詞可能重複出現很多次。第一次確認正確寫法後，可以搜尋相關字詞，逐一檢查。
你也可以在旁邊簡單記下「名稱與正確寫法」，作為這份稿件的核對清單。這是人工整理的小方法，不需要每次遇到同一個詞都重新猜一次。
搜尋只是協助定位；遇到相似但不同的詞，仍要看上下文或回聽，避免直接當成同一件事。
0){this.dataset.loaded=’true’}” data-istopthreeimage=”true” alt=”vocus｜新世代的創作平台”>
圖 3｜實際輸入「梯度」，清單就顯示含有這個詞的字幕與時間。可用來檢查同一個專有名詞在不同段落的寫法。
第五步：整理斷句與時間
口語不一定有明確的句點。整理時，可以按照一個完整意思、語氣停頓或話題轉折來分段。
如果文字接下來要做字幕，還需要檢查每句的顯示時間。太長的句子可能讀不完，太短的片段又容易讓畫面一直跳。
Textamisu 提供文字編輯與時間校正。調整之後，播放前後幾句，確認聲音與字幕仍然對得上。
0){this.dataset.loaded=’true’}” data-istopthreeimage=”false” alt=”vocus｜新世代的創作平台”>
圖 4｜雙語任務的原文與譯文時間軸。字幕邊緣可調整長度，修改後仍要播放確認閱讀節奏。
第六步：下載，並做最後一次核對
完成後可以下載 SRT，保留文字和時間資訊，接到支援 SRT 的後續工具。
交付前，至少確認這幾件事：
- 重要數字、人名與專有名詞已核對。
- 沒有為了句子順暢而補寫不確定的內容。
- 需要做字幕的段落，已檢查顯示時間。
- 下載的檔案能在後續工具中正確開啟。
常見問題
語音轉文字會自動變成會議摘要嗎？
逐字稿與摘要是不同產出。這篇介紹的是把說話內容整理成文字與時間軸字幕；若你還需要決議、重點或待辦事項，可以在確認逐字稿後另行整理。
修改錯字需要再次付費嗎？
目前 Textamisu 官網說明，字幕編輯、時間校正與 SRT 下載免費。AI 轉譯與翻譯使用 Credits，實際規則以官網為準。
讓第一次練習小一點
拿一段自己熟悉的錄音，先完成初稿，再把最重要的幾句核對好。你會更容易掌握 AI 能幫忙的部分，以及需要自己確認的地方。
到 Textamisu 開始轉譯。目前新帳號可一次領取 30 Credits，詳細資訊請見官網方案。
如果你還需要其他語言的字幕，下一篇會接著介紹原文校正、翻譯與時間軸的整理順序。
