要錄製並轉錄訪談，你可以用手機、專用錄音機或電腦錄下乾淨的音訊，接著再用四種方法之一把音訊轉成文字：自己打字、AI 轉錄軟體、人工轉錄服務，或即時轉錄，直接把說出的內容寫下來。到了 2026 年，最快的方式是即時轉錄，因為訪談一結束，逐字稿也就完成了。
這是大多數指南都會略過的部分。錄音只是容易的前半段。真正困難的是音訊之後發生的一切，而你在按下錄音鍵之前做的選擇，會決定後續有多麻煩。
Tomás 是一名自由記者，他在一家熱鬧的咖啡館裡用手機錄下了一場 70 分鐘的訪談。錄回來的音檔裡滿是杯盤碰撞聲，而受訪者還在句子中途就停住了。隔天晚上，他花了超過三個小時來回倒帶、邊聽邊打字，最後還是漏掉了一句截稿前需要的引言。如果當時有一間安靜的房間，以及一份會即時自動寫出的逐字稿，就能省下他整個晚上的時間。
本指南會帶你走完整個流程，從設定到整理成乾淨、格式化的逐字稿。簡短版本如下：
- 在錄音前先取得所有人的同意。
- 用好的麥克風和安靜的房間錄下乾淨音訊。
- 選擇方法：手動、AI、人工或即時。
- 透過上傳或即時方式產生逐字稿。
- 編輯並格式化：說話者標示、時間戳記、逐字或整理版。
重點摘要
- 音訊品質勝過一切。 安靜的房間和靠近的麥克風，對逐字稿準確度的幫助遠勝任何軟體設定。
- 四種方法，四種取捨。 手動免費但慢，AI 快又便宜，人工服務最準，而即時轉錄會在訪談結束時完成。
- 即時轉錄能讓你提出更好的追問，因為你可以直接讀到剛剛說了什麼，而不是只靠記憶。
- 跨語言訪談現在已經可行。 MirrorCaption 可即時轉錄並翻譯 50+ 種可選語言，且沒有會議機器人。
- 先取得同意。 錄音法規因地而異，而且美國某些州要求所有人都同意。
如何錄製訪談（逐步說明）
好的轉錄從好的錄音開始。不管你之後用哪種方法，含糊不清的音訊都會產生含糊不清的逐字稿。以下是如何錄下能順利轉錄的訪談。
錄音前先取得同意
先向每位參與者取得許可。錄音法規會因地點而異，而且美國某些州要求所有當事人都同意，不只是其中一人。在進行敏感訪談前，請先查閱可信的參考資料，例如 Reporters Committee for Freedom of the Press 錄音指南。在一開始用一句簡單的公開說法：「我會錄音，這樣可以嗎？」就能保護你和受訪者。
錄製面對面訪談
盡量選最安靜的房間。柔軟的家具能吸收回音，所以鋪地毯的辦公室會比玻璃會議室更好。把麥克風，或你的手機，靠近每位說話者，而不是放在桌子中央。如果可以，另外再用一台裝置作為備援；錄音設備總是在最糟的時候出問題。
錄製電話或視訊通話訪談
對於視訊通話，最乾淨的設定是直接在瀏覽器中擷取會議分頁的音訊，這樣你就能像聽到自己的聲音一樣清楚地聽到遠端說話者。MirrorCaption 的 Meet 模式可在桌面版 Chrome 或 Microsoft Edge 中做到這一點，而且不會有會議機器人加入通話；當來賓所屬公司的政策會封鎖未知參與者時，這點就很重要。對另一端的人來說也不需要管理員安裝，因此大多數團隊都能自行使用。
清楚收錄雙方聲音
訪談逐字稿無法使用，最常見的原因就是其中一方聲音太小。先做 10 秒測試錄音，然後在正式開始前播放回聽。確認兩個聲音都聽得到，而且沒有風扇聲、街道噪音或通知提示音滲入。花 30 秒測試，之後就能省下好幾個小時的猜測。
如何轉錄訪談：3 種方法比較
有了音訊之後，你就需要把訪談轉成文字。傳統上有三種方法，另外還有第四種即時轉錄，下一節會單獨介紹。以下是這三種經典方法的比較。
| 方法 | 成本 | 完成時間 | 準確度 | 最適合 |
|---|---|---|---|---|
| 手動（DIY） | 免費（花你的時間） | 慢，每 1 小時音訊需數小時 | 若仔細可很高 | 短片段、預算緊縮 |
| AI 軟體 | 低，常有免費方案 | 幾分鐘 | 乾淨音訊表現佳 | 大多數日常訪談 |
| 人工服務 | 按音訊分鐘計費 | 數小時到數天 | 最高，接近逐字等級 | 法律、醫療、典藏 |
手動轉錄
自己打字免費又準確，但速度很慢。每 1 小時音訊，通常要花上好幾個小時反覆暫停與輸入。兩分鐘的短片段還可以。若是完整訪談，很多人會做到一半就放棄。
AI 轉錄軟體
AI 工具能在幾分鐘內把音訊轉成文字，已成為大多數訪談的預設選擇。現代 AI 轉錄對乾淨、單一說話者的音訊表現不錯，但遇到重疊對話、背景噪音和濃重口音時，準確度就會下降。通常還是需要稍微編修一下。如果你在比較選項，我們整理的 2026 年最佳語音轉文字軟體會幫你拆解主流工具。
人工轉錄服務
若是法律等級的逐字工作，人工仍然是最可靠的選擇。像 Rev 這類服務會按音訊分鐘收費，並回傳潤飾過的逐字稿，但你得等上數小時或數天，而且費用更高。這類服務適合證詞筆錄、醫療紀錄，以及任何可能在嚴格檢視下被引用的內容。
如何即時轉錄訪談
這是大多數指南都會略過的方法：在訪談進行當下就把它轉成文字。不是先錄音、之後再上傳，而是即時轉錄會在說話時把文字寫到畫面上，所以你一結束，逐字稿就完成了。
實際上的優勢不只是速度。當你能直接讀到受訪者剛剛說了什麼，你就能提出更精準的追問。你會抓到原本可能點頭帶過的半句回答。你會在當下，而不是三天後在編輯視窗裡，注意到那句值得引用的話。即時轉錄讓逐字稿從苦差事變成即時工具。（更深入的取捨，請參考我們對 即時與會後轉錄的說明。）
跨語言即時轉錄
即時轉錄還能解鎖傳統上傳等待工具做不到的事：用另一種語言訪談對方。使用 MirrorCaption，你可以用中文、西班牙文，或 50+ 種可選語言之一訪談受訪者，並在對方說話時直接讀到英文翻譯，之後再匯出原文與翻譯。這是接近即時的跨語言交流，而不是事後才解讀的逐字稿。Speak Translations 甚至可以把你翻譯後的回覆唸出來，讓對話雙向持續進行。
Maya 是一名 UX 研究員，她為一項產品研究與講西班牙語的參與者進行了 12 場使用者訪談。她沒有先錄下每一場再事後付費翻譯逐字稿，而是在每次通話中直接閱讀即時英文逐字稿。當參與者對某個功能猶豫時，她就在同一場會議中立刻追問，最後帶著已可搜尋的雙語逐字稿完成整個研究。沒有後製排隊，也沒有翻譯帳單。
因為 MirrorCaption 是在瀏覽器中運作，而且不會把機器人送進通話，所以它很適合記者與研究工作流程，尤其是來賓對陌生軟體有所顧慮的情況。這正是我們在 記者訪談轉錄與 學術研究訪談中所說明的模式。
如何取得準確的訪談逐字稿
沒有任何方法是完美的，但幾個習慣可以把任何逐字稿從「粗糙」提升到「可發表」。準確度大多是在軟體執行前後就已經決定了。
從最乾淨的音訊開始
這點值得重複，因為它是最關鍵的槓桿。靠近的麥克風和安靜的房間，比任何後製技巧都更有效。如果你只記得一件事，那就是轉錄工具只能處理麥克風聽到的內容。
處理口音與多位說話者
重疊對話是準確度的敵人。鼓勵一次只讓一個人說話，並使用具備說話者偵測的工具，讓逐字稿標示每句話是誰說的。MirrorCaption 會自動辨識不同聲音，並讓你重新命名，這樣之後就能依說話者搜尋多人訪談內容。
選擇逐字或整理版
逐字逐字稿會保留每個「嗯」、每次起句失誤和停頓；整理版逐字稿則會把這些刪掉，讓內容更易讀。法律與質性研究中，若精確措辭很重要，就用逐字版。文章、節目筆記和引言則用整理版。開始編輯前先決定，才不會重複重新格式化。
先編輯，再匯出
一定要對照音訊完整讀過一遍，檢查姓名、數字和專業術語，這些是 AI 最常聽錯的地方。接著匯出你需要的格式：引用用文件、分析用純文字，或影片字幕。
最佳訪談錄製與轉錄工具（2026）
合適的工具取決於你的訪談類型。以下是快速決策指南，也包含每個選項真正擅長的地方。
MirrorCaption
以瀏覽器為基礎，提供 50+ 種可選語言的即時轉錄與翻譯，具備說話者偵測、AI 摘要，且沒有會議機器人。逐字稿會在訪談結束時完成，而同一工具也能透過連續的 Talk 模式在手機上用於面對面訪談。
- 價格：1 小時免費試用（一次性、免卡）· 年繳 €54.99/year（110 小時主機額度）· Premium €99 一次性（終身方案：一次付費、無需訂閱、未來所有更新、200 小時主機額度；額外時數可另購 Voice Packs，Premium 每小時費率最低）
- 最適合：記者、UX 研究員、跨語言訪談、無機器人的視訊通話
- 隱私：不在伺服器端儲存音訊；逐字稿保存在你的瀏覽器本機
專用錄音機
當你最重視的是典藏級音質，並打算之後再轉錄時，手持錄音機或穩定的手機錄音 App 就是正確選擇。它們不會轉錄，但能先錄下乾淨音質，供之後的轉錄工具處理。
上傳後等待的 AI 工具
像 Otter、Trint 和 Sonix 這類工具，對於錄好之後再處理的訪談很有優勢，尤其是英文音訊且整合性良好的情況。如果你的流程是先錄再轉，這些工具能把工作做好。可參考 2026 語音轉文字總覽做比較。
人工轉錄服務
當逐字稿可能在法庭、合規或公開逐字引言中受到挑戰時，人工服務值得這個成本與等待時間。對於困難音訊，它是最準確的選項，也是高風險工作最安全的選擇。
常見問題
錄製訪談以便轉錄，最好的方式是什麼？
錄下你能做到的最乾淨音訊：安靜的房間、靠近每位說話者的麥克風，以及備用錄音裝置。乾淨音訊是影響轉錄準確度最大的單一因素。若是視訊通話，請在瀏覽器中擷取會議分頁音訊，這樣也能清楚收錄遠端說話者。
我可以免費轉錄訪談嗎？
可以。有幾種工具提供免費方案，包括 Google Meet 和 Microsoft Teams 內建的即時字幕，以及 MirrorCaption 的一次性免費 1 小時。免費方案通常會限制分鐘數、語言組合或逐字稿匯出功能，所以長訪談前請先確認限制。
如何轉錄另一種語言的訪談？
使用能即時轉錄並翻譯的工具。MirrorCaption 支援 50+ 種可選語言，因此你可以用中文或西班牙文訪談受訪者，並在對方說話時直接讀到英文翻譯，之後再匯出原文與翻譯。
錄製訪談需要對方同意嗎？
通常需要。錄音法規因地而異，而且美國某些州要求所有被錄音者都同意。按下錄音鍵前一定要先詢問。Reporters Committee for Freedom of the Press 提供一份可先查閱的 各州錄音指南。
AI 訪談轉錄有多準？
AI 轉錄對乾淨、單一說話者的音訊表現良好，但遇到重疊對話、背景噪音和濃重口音時，準確度會下降。若是法律等級的逐字工作，人工轉錄服務仍然更可靠。對日常訪談來說，AI 通常在稍作編修後就已足夠準確。
逐字稿和整理版逐字稿有什麼差別？
逐字稿會保留每個字，包括填充詞、起句失誤和停頓。整理版（或智慧逐字）則會移除這些內容，讓閱讀更順暢。法律或研究工作用逐字版，文章、節目筆記和引言則用整理版。
結論
要把訪談錄得好、轉得準，先取得同意，盡可能錄下最乾淨的音訊，然後依工作需求選擇轉錄方法：短片段用手動，日常速度用 AI，逐字要求高時用人工服務，而當你希望在對話結束的那一刻就完成逐字稿時，就用即時轉錄。你在按下錄音鍵之前做的設定選擇，比任何工具都更重要。
如果你的訪談跨越語言，或者你更想邊看邊問出更好的追問，而不是等上傳處理完成，即時轉錄會徹底改變工作流程。你離開訪談時，手上已經有一份可搜尋的逐字稿。