要录制并转写一段采访，你可以用手机、专用录音设备或电脑采集清晰音频，然后通过四种方法之一把音频转成文字：自己手动输入、AI 转写软件、人工转写服务，或者实时转写，在说话的同时把文字写出来。到了 2026 年，最快的方式是实时转写，因为采访一结束，转录稿就已经完成了。
这里是大多数指南都会跳过的部分。录音只是容易的那一半。真正困难的是音频之后发生的一切，而你在按下录制键之前做出的选择，决定了后续会有多麻烦。
Tomás 是一名自由记者，他在一家嘈杂的咖啡馆里用手机录下了一段 70 分钟的采访。音频里满是杯盘碰撞声，而受访者还会在句子中途停顿。接下来一个晚上，他花了三个多小时来回拖动音频、逐字打出来，最后还是漏掉了一句截止前必须用到的引语。如果当时有一个安静的房间，再加上一份会实时自动写出来的转录稿，就能帮他省下整个晚上。
本指南会带你走完整个流程，从设置到一份干净、格式化的转录稿。简要版本如下：
- 录制前先从所有人那里获得同意。
- 用好麦克风和安静的房间录制清晰音频。
- 选择一种方法：手动、AI、人工或实时。
- 通过上传或直播生成转录稿。
- 编辑并格式化：说话人标签、时间戳、逐字稿或清洁稿。
要点总结
- 音频质量胜过一切。 安静的房间和贴近的麦克风，对转录准确率的提升远胜任何软件设置。
- 四种方法，四种取舍。 手动免费但慢，AI 快且便宜，人工服务最准确，而实时转写会在采访结束时完成。
- 实时转写让你能提出更好的追问，因为你可以直接读到刚刚说了什么，而不是依赖记忆。
- 跨语言采访现在已经切实可行。 MirrorCaption 可在 50+ 种可选语言中实时转写并翻译，而且没有会议机器人。
- 先获得同意。 录音法律因地而异，美国一些州要求所有人都同意。
如何录制采访（分步指南）
好的转写始于好的录音。无论你之后使用哪种方法，含糊的音频都会生成含糊的转录稿。下面介绍如何录制一段能被清晰转写的采访。
录制前先获得同意
先向每位参与者征得许可。录音法律因地区而异，美国一些州要求所有当事人都同意，而不只是其中一方。在进行敏感采访前，请查阅权威参考资料，例如 Reporters Committee for Freedom of the Press 录音指南。在开头用一句简单的公开说明——“我会录音，可以吗？”——既能保护你，也能保护你的消息来源。
录制面对面采访
尽量选择最安静的房间。柔软的陈设可以吸收回声，所以铺地毯的办公室比玻璃会议室更好。把麦克风，或者你的手机，尽量靠近每位说话者，而不是放在桌子中央。如果可以，再用第二台设备做备份；录音设备总会在最糟糕的时候出故障。
录制电话或视频通话采访
对于视频通话，最干净的设置是直接在浏览器里捕获会议标签页的音频，这样你能像听到自己的声音一样清楚地听到远端说话者。MirrorCaption 的 Meet 模式可在桌面版 Chrome 或 Microsoft Edge 中实现这一点，而且不会有会议机器人加入通话；当来宾所在公司的政策会阻止未知参与者时，这一点尤其重要。对另一端的人来说，无需管理员安装，因此大多数团队都可以自助使用。
清晰捕捉双方声音
采访转录稿最常变得无法使用的原因，就是有一方说话太轻。先做一个 10 秒钟的测试录音并回放，再开始正式录制。检查两边的声音是否都能听清，以及是否有风扇声、街道噪音或通知提示音渗入。花 30 秒测试，能在之后省下数小时的猜测。
如何转写采访：3 种方法对比
拿到音频后，你就需要把采访转写出来。传统上有三种方法，再加上第四种实时转写，下一节会单独介绍。下面看看经典三种方法的对比。
| 方法 | 成本 | 周转时间 | 准确率 | 最适合 |
|---|---|---|---|---|
| 手动（DIY） | 免费（耗费你的时间） | 慢，每小时音频需要数小时 | 如果仔细做，准确率高 | 短片段、预算紧张 |
| AI 软件 | 低，通常有免费层级 | 几分钟 | 在清晰音频上表现良好 | 大多数日常采访 |
| 人工服务 | 按音频分钟计费 | 数小时到数天 | 最高，达到逐字级别 | 法律、医疗、档案 |
手动转写
自己打出来是免费的，而且准确，但很慢。每 1 小时音频，预计要花上数小时反复暂停、继续输入。两分钟的音频片段还可以。要是完整采访，这通常是人们半途放弃的方法。
AI 转写软件
AI 工具能在几分钟内把音频转成文字，已经成为大多数采访的默认选择。现代 AI 转写对清晰、单一说话人的音频处理得很好，但在多人抢话、背景噪音和重口音情况下，准确率会下降。通常你还需要做一轮轻度编辑。如果你在比较不同选项，我们整理的 2026 年最佳语音转文字软件 会对领先工具做详细拆解。
人工转写服务
如果需要法律级别的逐字稿，人工仍然是最可靠的选择。像 Rev 这样的服务按音频分钟计费，并返回润色过的转录稿，但你要等上数小时或数天，而且费用更高。请把它留给证词记录、医疗记录，以及任何可能在严格审查下被引用的内容。
如何实时转写采访
这里是大多数指南都会跳过的方法：在采访进行时就把它转写出来。不是先录音、再上传，而是实时转写会在说话的同时把文字写到屏幕上，所以你一结束，转录稿就完成了。
它的实际优势不只是快。当你能读到受访者刚刚说了什么时，你就能提出更犀利的追问。你会抓住原本会点头带过的半截回答。你会在当下，而不是三天后在编辑窗口里，注意到那句值得引用的话。实时转写把转录稿从一项苦差事变成了一个实时工具。（关于更深入的取舍，请参阅我们对 实时转写与会后转写 的说明。）
跨语言实时转写
实时转写还能解锁传统上传后等待工具做不到的事情：采访说另一种语言的人。使用 MirrorCaption，你可以采访一位说普通话、西班牙语，或 50+ 种可选语言之一的受访者，并在他们说话时直接读到英文翻译，然后导出原文和译文。这是近乎实时的跨语言交流，而不是事后再去解读的转录稿。Speak Translations 甚至可以把你的译文回复朗读出来，让对话在两个方向上都持续推进。
Maya 是一名 UX 研究员，她为一项产品研究与讲西班牙语的参与者进行了 12 场用户访谈。她没有录下每一场会话、再事后付费获取翻译转录稿，而是在每次通话中直接阅读实时英文转录稿。当某位参与者在某个功能上犹豫时，她就在同一场会话里立刻追问，最后带着已经可搜索的双语转录稿完成了整个研究。没有后处理队列，也没有翻译账单。
因为 MirrorCaption 运行在浏览器中，而且不会把机器人送进通话，所以它很适合记者和研究工作流，尤其是来宾对陌生软件心存顾虑的场景。这正是我们在 记者采访转写 和 学术研究访谈 中所覆盖的模式。
如何获得准确的采访转录稿
没有任何方法是完美的，但一些习惯能把任何转录稿从“粗糙”提升到“可发布”。准确率主要是在软件运行前后赢得的。
从尽可能干净的音频开始
这一点值得重复，因为它是最关键的杠杆。贴近的麦克风和安静的房间，比任何后期处理技巧都更有效。如果你什么都记不住，就记住转写工具只能处理麦克风听到的内容。
处理口音和多人说话
多人抢话是准确率的天敌。鼓励一次只让一个人说话，并使用带说话人检测的工具，这样转录稿就能标明是谁说了什么。MirrorCaption 会自动识别不同的声音，并允许你重命名它们，这样多人采访之后就能按说话人搜索。
选择逐字稿或清洁稿
逐字稿会保留每一个“嗯”、每一次起句失败和停顿；清洁稿则会把它们去掉，以提升可读性。法律和定性研究中，准确措辞很重要时，请使用逐字稿。文章、节目笔记和引语则使用清洁稿。开始编辑前就先决定好，这样就不用重复排版两次。
编辑，然后导出
一定要对照音频完整通读一遍，检查姓名、数字和专业术语，这些是 AI 最常听错的内容。然后导出你需要的格式：用于引用的文档、用于分析的纯文本，或者用于视频的字幕。
2026 年最佳采访录制与转写工具
合适的工具取决于你的采访类型。下面是一份快速决策指南，也包括每个选项真正擅长的地方。
MirrorCaption
基于浏览器的实时转写与翻译，支持 50+ 种可选语言，带说话人检测、AI 摘要，而且没有会议机器人。采访结束时转录稿就已经完成，同样的工具还可通过连续的 Talk 模式在手机上用于面对面采访。
- 价格：1 个免费小时试用（一次性，无需信用卡）· 年付 €54.99/year（110 小时托管额度）· Premium €99 一次性（终身计划：一次付费，无需订阅，包含未来所有更新，200 小时托管额度；额外时长通过单独出售的 Voice Packs 获取，Premium 的每小时费率最低）
- 最适合：记者、UX 研究员、跨语言采访、无机器人视频通话
- 隐私：不在服务器端存储音频；转录稿保存在你的浏览器本地
专用录音设备
当档案级音质是首要目标，而你会稍后再转写时，手持录音机或稳定的手机录音应用就是正确选择。它们不负责转写，但能捕捉极其清晰的声音，供后续转写工具处理。
上传后等待的 AI 工具
像 Otter、Trint 和 Sonix 这样的工具，非常适合录制后再处理的采访，尤其是带有良好集成的英文音频。如果你的工作流是先录制、后转写，它们能很好地完成这项工作。请查看 2026 年语音转文字工具盘点 进行正面对比。
人工转写服务
当转录稿可能在法庭、合规或已发布的逐字引语中受到质疑时，人工服务值得这笔费用和等待时间。对于困难音频，它是最准确的选择；对于高风险工作，它也是最稳妥的选择。
常见问题
录制采访用于转写的最佳方式是什么？
录制尽可能清晰的音频：安静的房间、靠近每位说话者的麦克风，以及一个备用录音设备。清晰音频是影响转写准确率的单一最大因素。对于视频通话，请在浏览器中捕获会议标签页的音频，这样你也能清楚地听到远端说话者。
我可以免费转写采访吗？
可以。多种工具都提供免费层级，包括 Google Meet 和 Microsoft Teams 内置的实时字幕，以及 MirrorCaption 的一次性免费 1 小时。免费层级通常会限制分钟数、语言对或转录稿导出，因此长采访前请先确认限制。
如何转写另一种语言的采访？
使用一款能实时转写并翻译的工具。MirrorCaption 支持 50+ 种可选语言，因此你可以采访一位说普通话或西班牙语的受访者，并在他们说话时直接读到英文翻译，然后导出原文和译文。
录制采访需要对方同意吗？
通常需要。录音法律因地区而异，美国一些州要求所有被录音的人都同意。按下录制键之前一定要先询问。Reporters Committee for Freedom of the Press 维护着一份可先行查阅的 按州划分的录音指南。
AI 采访转写的准确率有多高？
AI 转写对清晰、单一说话人的音频处理得很好，但在多人抢话、背景噪音和重口音情况下，准确率会下降。对于法律级别的逐字工作，人工转写服务仍然更可靠。对于日常采访，AI 通常在轻度编辑后已经足够准确。
逐字稿和清洁稿有什么区别？
逐字稿会记录每一个词，包括填充词、起句失败和停顿。清洁稿（或智能逐字稿）会去掉这些内容，以提升可读性。法律或研究工作请选择逐字稿，文章、节目笔记和引语则选择清洁稿。
结论
要把采访录制并转写好，先获得同意，尽可能采集最干净的音频，然后根据任务选择合适的转写方法：短片段用手动，日常速度用 AI，需要逐字准确性时用人工服务，而当你希望采访一结束转录稿就完成时，就用实时转写。你在按下录制键之前做出的设置选择，比任何工具都更重要。
如果你的采访跨越语言，或者你更想边听边读、提出更好的追问，而不是等待上传处理，那么实时转写会彻底改变工作流程。你离开采访时，已经带着一份可搜索、已完成的转录稿。