听写是你说话，电脑替你打字。转录是电脑把已经发生过的语音转成文字。 底层技术是一样的——语音转文字——但这两项工作的方向完全相反，选错类别正是人们最终对明明很好用的工具感到失望的原因。
这种区别听起来很学术，直到你试着用会议转录工具来口述一封邮件，或者用听写应用来记录一个四人通话纪要。两种都会失败，而且都不是软件的错。
要点总结
- 听写：单一说话人，刻意表达，节奏由你控制，输出的是你打算发送的文字。
- 转录：多个你无法控制的说话人，自然节奏，输出的是所说内容的记录。
- 准确性在结构上不同——听写只有一个已知声音且靠近麦克风；转录则有串话和距离问题。
- 文字最终去向是最实用的判断标准：听写内容属于你的剪贴板，转录内容属于文档。
- 清理预期不同。转录稿应忠实于原话；听写文本则应该读起来像写出来的。
真正重要的五个区别
| 听写 | 转录 | |
|---|---|---|
| 谁在说话 | 只有你一个人 | 多人，且常常重叠 |
| 节奏控制 | 由你掌控——你可以暂停并重新开始 | 没有——会议按自己的速度进行 |
| 文字的用途 | 你会发送或发布的内容 | 对所说内容的记录 |
| 最终落点 | 你的剪贴板，你的光标 | 转录文档或面板 |
| 忠实度预期 | 应该读起来像写作 | 应该忠实于语音 |
1. 一个人说话，还是很多人说话
听写软件只需要学习一种声音。它可以适应你的口音、你的词汇、你的习惯。转录软件则必须分离多个声音，判断谁说了什么，并应对两个人互相插话的情况——这确实是更难的问题，也正因如此，说话人识别才会成为转录工具的重点功能，而在听写工具里则无关紧要。
2. 节奏由你控制，还是你无法控制
当你听写时，你可以在句子中途停下来、思考，然后继续。软件会等待。在会议里，没有人会等转录员，这就是为什么实时转录会以延迟来衡量——也就是词语说出后字幕出现得有多快——而听写则以最终文本读起来如何来衡量。
3. 文字是用来做不同事情的
转录稿应该忠实。如果有人说了九次“呃”，一份好的转录会反映出事情发生时的样子。听写文本应该是写作。没有人会想发送一封读起来像“所以，呃，我觉得我们应该——其实，我们就说我们会——在周五发货。”的邮件。
这正是大多数工具忽略的区别，也正因为如此，用逐字转录器来做听写会让人感觉像把工作做了两遍。现在有些工具正在缩小这一差距：MirrorCaption Typer 的 Tidy 模式会在保留你的意思和语气的同时，删除填充词和错误起句并添加标点，而它的 Formal 模式会把内容改写成你可以直接发送的措辞。如果你想要逐字版本，Raw 模式会保留每一个词。
4. 文字最终必须落到哪里
转录输出属于你稍后会阅读的文档。听写输出属于你此刻的光标。这个单一要求就足以排除大多数转录工具用于听写：它们的文字会落在自己的应用里，而要把它放进邮件里，就得在窗口之间复制。
听写工具通过无处不在来解决这个问题。Typer 使用一个悬浮小窗口，停留在你正在处理的任何内容上方，而你一停止说话，它就会立刻把润色后的文本复制到你的剪贴板里，所以剩下的唯一一步就是粘贴。
5. 准确率不能直接比较
在相同引擎下，听写准确率通常更高，因为条件更好：一个声音、靠近麦克风、刻意表达。转录则必须经受会议室免提电话和三个人同时插话的考验。把这两类产品公开的准确率数字放在一起比较，几乎说明不了什么。我们的 转录准确率对比 解释了这些数字分别意味着什么，以及不意味着什么。
你到底需要哪一种？
你在写东西。 邮件、文档、消息、给自己的笔记——这就是听写。寻找润色模式、悬浮窗口和剪贴板输出。我们的 最佳听写软件指南 会对比各个选项。
你在记录东西。 会议、访谈、讲座、视频——这就是转录。寻找说话人识别、实时字幕和导出功能。可以从 免费转录工具 或 AI 会议记录工具对比 开始。
你两者都做。 大多数人都是这样。MirrorCaption 用一个账号和一个额度同时覆盖两端：Typer 用于听写，Meet 用于会议转录和实时翻译。
关于多语言语音的一点说明
当涉及多种语言时，这两类工具都会变得更难，但难点不同。在转录中，问题是不同参与者说不同语言，你需要在转录稿之外还要翻译。在听写中，问题是一个人在同一句里混用语言——比如中文使用者插入英文产品名，或者德语使用者使用英文技术术语。
大多数听写工具会要求你选择一种识别语言并手动切换。Typer 允许你一次设置多种语言，因此混合句子也能被识别，而无需切换模式。在转录方面，我们的 多语言转录指南 讲解了会议场景。
常见问题
听写和转录有什么区别？
听写是你有意说话，让软件替你打字——你控制节奏，你是唯一说话人，输出的是你打算发送的文字。转录是软件在事后或过程中把已有语音转成文字：会议、访谈、录音，通常有多个你无法控制的说话人。
听写软件和语音转文字是一样的吗？
语音转文字是底层技术；听写和转录是在其上构建的两种不同工作。两者都会把音频转成文字。它们的区别在于谁在说话、你是否能控制节奏，以及文字是用来做什么的。
我可以用转录软件来听写吗？
可以，但并不合适。转录工具是围绕录音和会议设计的，所以输出会落在它们自己的应用里，而不是你的剪贴板里，而且它们会逐字转录。用于听写时，你通常希望文字直接出现在光标所在的位置，而且已经整理过了。
听写和转录需要不同的工具吗？
通常是的，因为工作流程不同。MirrorCaption 用不同模式同时覆盖两端：Typer 用于听写，悬浮窗口会通过语音打字并复制结果；Meet 用于转录，它会从浏览器标签页捕获会议并生成实时翻译字幕。
听写和转录，哪个更准确？
在相同音频质量下，听写通常更准确，因为你是一个已知说话人，刻意表达，而且通常离麦克风更近。转录则必须应对多个说话人、串话、与麦克风距离不同以及背景噪音。
听写软件会去掉填充词吗？
大多数不会——它们会逐字转录。MirrorCaption Typer 是个例外：它的 Tidy 模式会删除填充词、错误起句和口误并添加标点，而 Formal 模式会把内容改写成专业措辞。
结论
听写和转录共享同一个引擎，除此之外几乎没有共同点。听写是你有意生成你将发送的文字。转录是对你无法控制的语音所做的记录。
一旦你知道自己在做哪一种，工具选择就会变得显而易见——工具也就不再让你觉得它们在辜负你。