MirrorCaption 实时转写
与翻译

MirrorCaption 为研究人员提供在访谈进行中的实时转写和翻译 — 支持 50+ 可选语言，MirrorCaption 不进行服务器端音频录制，一次性费用为 €49（Lifetime plan，含 200 小时）。许多研究转写工作流默认先录音，后分析。MirrorCaption 默认你仍然在现场。

当你已经做了 30 场定性研究访谈时，你最不需要的，就是等到今晚的录音处理完，才发现自己漏掉了一个追问。想象一位在柏林攻读社会学博士的学生，正在采访一位越南移民，了解住房服务：一个含糊的回答就可能重塑研究问题，但研究者直到第二天早上转录稿到手时才意识到这一点。

实时转写不只是加快你的工作流程。它会改变你的访谈方式。

为什么实时转写会改变研究访谈

大多数转写工具都基于同一个假设：你先录音，它们再转写，你最后阅读。录音到转录稿之间的间隔，对于 AI 服务来说是几分钟，对于人工服务来说是几小时。对于会后复盘，这样的延迟没问题。

研究访谈不一样。

最有价值的追问，往往发生在参与者说出意料之外内容后的前十秒。停顿、重新表述、引导深入 — 这些瞬间只存在于现场，只存在于对话仍在进行的时候。一旦你开始盯着录音而不是盯着对方，你就已经错过了那个信号。

上传等待问题是实际问题，不是理论问题。人工转写每小时音频可能需要数小时，而基于上传的 AI 服务也必须等访谈结束后才能开始处理。MirrorCaption 会在每个词被说出的同时渲染出来，端到端延迟低于 500ms，因此你能在参与者说话的同时读到他们正在说什么。

对于多语言访谈，风险更高。如果参与者用土耳其语回答，而你说德语，那么等待会后翻译就意味着你是在理解不完整的情况下继续下一个问题。借助与源转录并行运行的实时翻译，你能在下一个问题出口之前就捕捉到细微差别。

这不是一个速度功能。这是一个对话功能。

MirrorCaption 如何用于研究

MirrorCaption 完全在你的浏览器中运行。无需安装、无需 Chrome 扩展，也不会有机器人加入会议。它适用于三种常见研究工作流：

线上访谈（Zoom、Teams、Google Meet）

在视频通话旁边，用桌面端 Chrome 或 Microsoft Edge 打开 MirrorCaption。Meet 模式会直接从浏览器捕获会议标签页音频 — 它不会作为参与者加入通话，因此受访者不会看到额外参会者，也不会收到任何通知。自动说话人检测会自动标注发言内容。

并排视图左侧显示原始语音，右侧显示你选择的译文。对于一位英语研究者通过 Zoom 采访一位说普通话的参与者，两个流会在对话发生时同时出现。点击任意译词即可查看它对应的源词 — 这对于核实某个带有文化语境的术语或礼貌性缓和表达是否按预期呈现非常有用。这与 多语言远程团队使用的同一实时方法 相同，只是应用在一对一访谈场景中。

面对面田野调查

并非所有研究都发生在视频通话中。民族志田野调查、社区参与式研究，以及在参与者家中进行的访谈，往往并不依赖视频平台或完整的笔记本电脑设备。

使用 Talk 模式：在手机上的 Chrome 中打开 MirrorCaption，按你的研究规范披露转写流程，把手机放在桌上，并选择两种语言。手机麦克风会同时捕捉双方说话；转录稿和翻译会实时显示在屏幕上。无需笔记本电脑或专用录音设备。

对于录音设备会影响参与者坦诚度的研究 — 创伤知情工作、无证移民群体、敏感健康议题 — 只要同意和告知处理得当，基于手机的工作流可能比专用录音设备更不具侵入性。音频会被流式传输用于实时语音转文字，且不会作为 MirrorCaption 服务器端录音被保留。转录稿默认保留在你的浏览器中。MirrorCaption 也被 需要在消息源访谈中保持谨慎的记者 以类似方式使用 — 其隐私架构是相同的。

焦点小组与多说话人访谈

自动说话人检测可作为第一步适用于多个声音。MirrorCaption 会分配说话人标签，你可以在会后将其重命名为参与者代码。对于一个有六名参与者的焦点小组，应将这些标签视为起点，并结合田野笔记进行核对。

注意：在嘈杂环境中，或当参与者同时发言时，说话人检测准确率会下降。对于高风险项目，应将自动标签视为初步结果，并结合会话笔记进行核实。

隐私、伦理委员会与数据管理

如果你的研究涉及人类受试者，你的伦理委员会或 IRB 几乎肯定会询问参与者数据如何处理。AI 转写工具会带来一个具体问题：音频去了哪里、由谁处理、保留多久？

以下是 MirrorCaption 的技术说明，你可以直接写入数据管理计划或 IRB 申请：

"音频会从研究者的浏览器实时流式传输到 MirrorCaption 的语音识别服务提供商，用于转写和翻译。MirrorCaption 不会创建或保留服务器端音频录音。除非研究者导出，或使用可选的云辅助功能（例如摘要），否则转录文本会存储在研究者的浏览器中（IndexedDB 本地存储）。研究者可控制本地转录数据的删除。MirrorCaption 会记录诸如已使用分钟数之类的使用元数据，用于配额和计费，而不是对话内容。"

这在实践中意味着：

• MirrorCaption 不会创建服务器端音频录音；需要保护的主要研究材料是本地转录稿以及你导出的任何文件。
• 转录稿存储在你自己的设备本地，而不是云数据库中。
• 对于受 GDPR 或类似框架约束的研究，应将其记录为实时语音转文字处理传输，而不是描述为已存储的音频上传。

雪城大学定性数据仓库 提供了关于管理敏感定性数据的指导，包括如何分离、描述和保护研究材料。对于 AI 工具与研究伦理方面的问题，美国人类学协会的伦理指南 是田野调查场景下一个有用的参考。

这种架构是否满足你所在机构的具体 IRB 要求，取决于你的机构、司法辖区、同意措辞和研究设计。请把上面的技术说明提供给你的机构研究办公室，不要自行假定会获批。

多语言研究 — 大多数工具的短板所在

多语言研究并不是小众场景。移民研究、侨民访谈、跨文化民族志、全球健康研究和国际政治学，都会经常遇到研究者与参与者不共享第一语言的情况。大多数转写工具把这当作边缘案例处理。

标准替代方案 — 用语言 A 录音，交给单语转写服务，雇翻译，等待 — 会让每个访谈周期增加数天，并引入第二个误差点：那位不在现场、没听到关键短语前犹豫的人、无法结合语境判断语调的翻译者。

MirrorCaption 的处理方式不同：50+ 可选语言，实时并排输出。你选择源语言（参与者所说的语言）和目标语言（你阅读的语言）。两者会在参与者说话时同步逐词显示在屏幕上。

定性研究中经常出现的语言对：

• 阿拉伯语 ↔ 英语 — 中东研究、侨民研究
• 普通话 ↔ 英语或德语 — 国际学生研究、中国研究
• 土耳其语 ↔ 德语 — 德国境内移民研究
• 西班牙语 ↔ 英语 — 拉丁美洲研究、美国移民研究
• 越南语 ↔ 德语或英语 — 东南亚侨民研究，如上文中的 Anh 研究

译文中的每个词都链接回其对应的源词。点击任意译词即可查看原文 — 这对于核实某个文化敏感术语、礼貌标记或刻意的缓和表达是否按预期呈现，而不是被自动翻译“规范化”非常有用。我们的 多语言转写指南 涵盖了国际与跨语言研究的更广泛工具格局。

研究转写的真实成本

按分钟计费会在整个研究中迅速累积。以下是一项 40 场访谈的研究（每场 1 小时，总计 40 小时音频）在最常用工具上的成本：

对于正在完成论文的博士生来说，这笔账很直接。一篇典型的定性博士论文可能包含 20–40 场访谈。按每小时 $10 计算，30 场一小时访谈在任何审校或翻译工作之前就要 $300。MirrorCaption Lifetime 为 €49，包含 200 小时。

对于连续开展研究的活跃研究者来说，Lifetime 包含的 200 小时通常已足够使用。Voice Pack 充值（5 小时 €2.99，15 小时 €7.99）可将容量提升至每小时 €0.53–0.60 — 远低于上面这些基于上传工具的每小时费率。

导出与分析工作流

访谈结束后，MirrorCaption 可导出两种格式：

• Markdown：清晰的标题、说话人标签、带时间戳的片段 — 适合结构化研究笔记或田野日志。
• 纯文本：无格式，适合粘贴导入 NVivo、ATLAS.ti 或 MAXQDA 作为文本文件。

应用内搜索可让你按关键词扫描，或按说话人标签跳转到片段，而无需导出。对于主题分析，这能在不回看完整录音的情况下，呈现长时间会话中的模式。你也可以将单独的对话片段复制到研究备忘录中。

坦诚的限制：截至 2026 年，MirrorCaption 尚未与 NVivo、ATLAS.ti 或 MAXQDA 直接 API 集成。工作流是：导出为纯文本，作为文档导入 QDA 软件，按常规编码。与原生集成相比，这大约会为每场访谈增加五分钟。

如果原生 QDA 导入是硬性要求，Sonix 可导出带 NVivo 支持的 DOCX — 但价格为每小时 $10，仅支持上传，不提供实时转写或实时翻译。我们的 实时转写与会后转写 指南更详细地讨论了这些取舍。

常见问题

AI 转写对学术研究来说足够准确吗？

这取决于音频质量、说话重叠、口音、术语以及分析类型。对于主题分析、扎根理论或叙事研究，AI 输出可以作为有用的初稿。对于多语言访谈，翻译又增加了一层近似。对于逐字话语分析、会话分析或高风险引文，应将 AI 输出视为需要人工审校的草稿。关于翻译准确性的基准背景，请参阅我们的 实时翻译准确性拆解。

MirrorCaption 是否符合 IRB 或伦理委员会要求？

MirrorCaption 的架构旨在尽量减少数据暴露：实时音频会被流式传输用于语音转文字处理，MirrorCaption 不会存储服务器端音频录音，转录稿默认保留在你的浏览器本地。是否满足你所在机构的具体 IRB 要求，取决于你的机构和研究设计 — 我们无法替你做出判断。请使用上方隐私部分中的技术说明作为数据管理计划的基础，并咨询你所在机构的研究办公室以获取正式指导。

我可以转写英语以外语言的访谈吗？

可以。MirrorCaption 支持 50+ 可选语言，包括普通话、越南语、阿拉伯语、土耳其语、印地语、日语、韩语、俄语、葡萄牙语、西班牙语、法语和德语。你可以独立设置源语言（参与者的语言）和目标语言（你阅读的内容）。参与者说话时，两者会同时显示在屏幕上。

MirrorCaption 适合面对面的线下访谈吗？

可以。Talk 模式在手机端 Chrome 中使用你的手机麦克风。获得参与者同意后，把手机放在你和参与者之间的桌上，选择相关语言对，转写会立即开始。无需 Zoom 或笔记本电脑。

MirrorCaption 与 Otter.ai 在研究中的区别是什么？

Otter.ai 主要是面向英语的会议助手工作流。其 Pro 套餐标价为 $16.99/user/month，优势在于会议笔记、摘要、搜索和协作。MirrorCaption 专注于 50+ 可选语言、实时并排翻译、€49 Lifetime plan、默认本地转录稿，以及不让机器人加入通话。对于多语言或隐私敏感研究，这些差异非常重要。对于仅英语且需要 CRM 集成的场景，请查看我们的 MirrorCaption 与 Otter.ai 完整对比。

我可以在没有 Zoom 或 Teams 账号的情况下使用 MirrorCaption 吗？

可以。Talk 模式完全通过你的手机麦克风运行 — 不需要视频通话平台。对于线上访谈，MirrorCaption 可与任何基于浏览器的会议工具（Zoom、Teams、Google Meet、Webex）配合使用，只需在桌面端 Chrome 或 Edge 中运行即可。你不需要这些平台中的任何特定套餐等级或高级账户。

研究是在对话中推进的。每一个错过的追问、每一份在你安排下一次会话之后才到手的转录稿、每一场通过不在现场的翻译者重建的多语言访谈 — 这些成本都会在整个研究中不断累积。

MirrorCaption 并不会改变定性研究的运作方式。它只是把访谈的那个瞬间还给你：50+ 可选语言，通话中实时使用，无服务器端音频录音，€49 一次性。免费开始 — 1 小时，无需信用卡。