如何面对面录下一场对话,再把它转成文字

作者:whispertranscribe.ai Editorial Team · 最后更新:2026 年 11 月 · 阅读约 12 分钟

怎么录一场对话: 先告诉在场的人你要录音,得到明确的同意,再打开手机自带的录音 App 或电脑上的录音软件。把设备放在柔软的东西上,离说话最小声的人最近。先录一小段回放听听。录完后备份原始文件,再上传,生成带说话人标签的文字稿。

本文讲的是面对面的谈话:采访、咖啡馆聊天、会议室开会。打电话另有一篇,如何录制电话通话。各设备的操作步骤参照 Apple、Google、Samsung 和 Microsoft 的帮助页面,核对于 2026 年 11 月。

录之前先问。本文是一般信息,不构成法律建议。 美国联邦法律对面对面谈话设定的最低要求是一方同意,但有些州要求所有人都同意。美国新闻自由记者委员会(Reporters Committee for Freedom of the Press)的《记者录音指南》汇总了各州的规定。

快速回答:如何录下一场对话,4 步搞定

你需要一台能录音的设备、一个安静的地方,以及对方的许可。两个人坐一张桌子,一部手机通常就够了。人多或者环境吵,再加一个外接麦克风。

  1. 先问,再把“同意”录下来。 说明为什么要录,按下录音后再问一遍,让对方的同意留在文件里。
  2. 放好设备。 垫一块叠好的布或一本笔记本,别挡住麦克风,离声音最小的人最近。
  3. 先试录,再正式录。 录几秒,戴耳机回放,然后开始正式录音。
  4. 保存、备份、转文字。 把原始文件复制到第二个位置,然后上传,并打开说话人识别。

哪种录音方案适合你的对话?

按你的场景找一个起步方案。下面每一行都默认大家已经知道自己在被录音。

场景 推荐设备 注意事项
两个人坐一张小桌 手机放在两人中间的桌上 来电和通知打断录音
记者或研究访谈,一位受访者 手机开采访模式,或给受访者别一个领夹麦 受访者的声音至少要和你一样响
3 到 6 人围坐一张桌 手机或录音笔放中间,偏向声音小的那一端 远端的声音随距离衰减很快
会议室,6 人或以上 外接全向麦或界面麦,或者两台录音设备 空调嗡嗡声和多人同时说话;多录一份备份
边走边聊的采访或嘈杂场所 每位说话人各别一个领夹麦(lavalier) 衣服摩擦声和风声;把麦夹牢
坐着开会、笔记本电脑开着 笔记本电脑接 USB 麦或耳麦,或用浏览器录音 麦克风旁边的打字声和风扇声
长时间录音,2 小时或以上 手机插着电源,或用专门的录音笔 电量、存储空间和单个文件的时长上限

选择录音设备

先用你手上已有的设备。每个人嘴巴到麦克风的距离,比录音设备的牌子更影响效果。

iPhone:Voice Memos(语音备忘录)

Voice Memos 是 iPhone 自带的。Apple 的 Voice Memos 使用指南说,它可以用内置麦克风、受支持的耳机或外接麦克风录音。

  1. 打开 Voice Memos(没挪过的话在“实用工具”文件夹里)。
  2. 点录音按钮。想调音量,Apple 的建议是把麦克风移近或移远声源。
  3. 点停止,然后给录音改名;默认叫“新录音”,或以你所在的位置命名。

对录对话有用的设置:

  • Voice Isolation(语音突显)或 Wide Spectrum(宽频谱)。 在控制中心点顶部的 Voice Memos。Apple 说 Voice Isolation 会过滤背景声,Wide Spectrum 会把背景声一起录进去;Wide Spectrum 不是每个机型都有。如果大家围着手机坐,两种都试一下。
  • Recording Mode(录制模式)。 设置 > App > Voice Memos > 录制模式,可选单声道、立体声或空间音频(并非所有机型都有)。
  • 其他 App。 录音时可以切换到别的 App,但 Apple 说如果另一个 App 开始播放音频,录音就会停止。

Samsung Galaxy:录音机的 Interview(采访)模式

Samsung 的录音机(Voice Recorder)有一个专为一对一采访设计的录音模式。根据 Samsung 美国支持页面,Interview 模式会收录朝向手机顶部和底部的声音并过滤其他声音,Standard(标准)模式则均衡收音,适合会议和讲座。

  1. 打开 Voice Recorder,点菜单,再点设置,然后点 Recording mode(录音模式)。
  2. 两人面对面选 Interview,一群人选 Standard。
  3. 把手机平放在两人中间,顶端对着一个人,底端对着另一个人。
  4. 点录音。用书签图标标记关键时刻,然后停止、命名文件并保存。

在同一个设置里还能调 Recording quality(录音质量)(高、中、低),以及开启 Block calls while recording(录音时拦截来电)。如果锁屏后录音会停,Samsung 建议到 设置 > 应用 > Voice Recorder > 电池,把电池设为 Unrestricted(不受限制)。

Google Pixel:Recorder(录音机)

据 Pixel 手机帮助,Recorder App 支持 Pixel 3 及更新的手机和 Pixel Tablet。屏幕休眠时它会继续录,单个录音最长可达 18 小时。

在 Pixel 6 及更新机型上,Recorder 可以在它自己的文字稿里加说话人标签(Speaker 1、Speaker 2),但 Google 的说话人标签页面说这个功能只支持美式英语。

笔记本或台式电脑

电脑适合坐着开的会:供电稳定,存储空间也充足。

  • Windows: Microsoft 的录音机常见问题说,每个文件最长三小时。Ctrl+R 开始,空格暂停,Esc 停止并保存。
  • Mac: 同样自带 Voice Memos。在 Voice Memos > 设置 里,Apple 的 Mac 设置页面提供“音频质量”:压缩(文件小、质量低)或无损(文件大、质量高)。
  • 任何能开网页浏览器的电脑: whispertranscribe.ai 的在线录音机可以选语言和麦克风、打开说话人识别,边录边直接生成带时间戳的文字稿。

外接麦克风

把设备挪过之后,如果还有人听起来很远,就加一个麦克风。指向性比价格更重要。表格前三行参照 Shure 的指向性指南;最后一行是一种麦克风类型,不是指向性。

指向性 收哪个方向的声音 适合哪种对话 摆放建议
全向(Omnidirectional) 各方向均等 安静房间里几个人围着一张桌子坐 放在说话人中间
心形(Cardioid) 主要是正前方 一人一支麦,或者房间吵 正面对准嘴;Shure 说心形麦比全向麦能减少大约三分之二的环境噪声
双向(8 字形) 前后两面,不收侧面 两个人隔着桌子面对面 放在两人中间,每人各对一面
领夹麦(lavalier) 主要是佩戴者,因为离得近 边走边聊的采访、嘈杂场所、座谈 夹在胸前,避开围巾和拉链

先确认兼容性;Apple 建议 iPhone 用户选标有“Made for iPhone”或“Works with iPhone”的配件。

录音设备放哪里:房间检查清单

距离是你能控制的最大因素。Shure 的《Microphone Techniques for Recording》解释说,距离每翻一倍,直达声大约下降 6 dB,而房间里的环境声几乎处处一样大。所以离得最远的那个声音会被房间噪声淹没。

  • 离声音最小的人最近。 把设备挪向说话最轻的人,而不是最响的人。
  • 垫上软的东西。 一本笔记本或一块叠好的布,能挡住敲桌子的声音传进麦克风。
  • 别挡住麦克风。 别把手机放在口袋、包里或压在纸下面。
  • 远离持续噪声。 避开出风口、投影仪、冰箱和咖啡机。
  • 少些硬表面。 玻璃和光墙会反射声音;地毯、窗帘和书架有帮助。
  • 关掉打扰。 打开勿扰模式,把桌上其他设备静音。
  • 电量和存储。 充好电、看看剩余空间,或者插上电源。
  • 认真试录一次。 让离得最远的人正常说话,戴耳机听。
  • 两支麦?拉开距离。 Shure 的 3 比 1 法则:两支麦克风之间的距离,至少是每支麦到各自说话人距离的三倍。

这些方案我们没有实测过,所以不给具体距离。以你在真实房间里的试录为准。

多人场合:为之后的文字稿做准备

说话人识别能把声音分开,但叫不出名字。让每个人开头说一下自己的名字,做决定时别抢话,关键数字说清楚、重复一遍。

录下对话前先取得同意

先取得同意,并把同意录进去。面对面录音的规则取决于所在的州或国家,也取决于大家是否有隐私预期。本节是一般信息,不构成法律建议。

  • 联邦最低要求。 RCFP 的录音指南简介说,联邦法律要求在录制面对面、电话或电子形式的对话前,至少取得一方同意,各州可以定更严格的规则。
  • 有些州要求所有人同意。 同一页面说,大约 11 个州主要要求各方都同意。我们的各州通话录音法律指南列出了这些州及法条链接。
  • 隐私预期。 联邦法律对“口头通讯”(oral communication)的定义,涵盖说话人预期不会被截听、且情形足以支持这种预期的谈话(18 U.S.C. § 2510(2))。RCFP 说,法院会看谈话发生在哪里、谈什么、说话声音多大,在家里的谈话隐私预期最高。
  • 录音设备摆在明处。 RCFP 说,面对面采访时录音设备放在明处,一般推定对方已同意,但取得口头同意才是最佳做法。
  • 美国以外。 各国规定不同;也要看看你所在单位或学校的规定。

面对面录音的同意话术

按下录音后,说类似下面这段话,然后等每个人回答。(这段话术是为本文写的示例。)

“今天是[日期],我们在[地点]。我录下这次谈话,是为了得到准确的文字稿。录音会存放在[哪里],会分享给[谁]。大家都同意吗?请每个人说一下自己的名字,再说‘同意’。”

如果有人犹豫,就改成手写笔记。如果有人中途改主意,就停下来,商量好已经录下的部分怎么处理。

录完之后:命名、备份、选格式

当天就把文件处理好。Microsoft 提醒,录音机(Sound Recorder)把录音存在 App 内部,卸载 App 录音就没了。

给原始文件命名并备份

  1. 改个搜得到的名字。 写上用途和人名,例如 interview_lee-patel_original.m4a(虚构示例)。
  2. 原始文件不要动。 编辑后另存新名字;Pixel Recorder 裁剪后会另存一份副本。
  3. 再存一份副本,放在另一块硬盘或你自己掌控的云存储里。
  4. 旁边写个简短说明: 谁在说话、在哪里,以及取得同意的时间点。
  5. 敏感录音定好删除日期。

M4A、MP3 还是 WAV:用什么格式录?

没有特别理由就保留设备默认格式。事后转换,补不回录的时候没收进来的细节。

格式 是什么 每小时大约多大 什么时候选
M4A (AAC) 压缩格式;iPhone 和很多录音设备的常见默认格式 128 kbps 时约 58 MB 日常采访和会议
MP3 压缩格式;几乎在哪都能播放 192 kbps 时约 86 MB 需要分享文件或在老设备上播放
WAV,16-bit,44.1 kHz,单声道 无压缩 约 318 MB 打算剪辑音频,而且房间安静
WAV,24-bit,48 kHz,立体声 无压缩,双声道 约 1.04 GB 播客或广播制作

文件大小是我们按公式算的(码率 × 3,600 秒 ÷ 8),不是实测。之所以要算,是因为 whispertranscribe.ai 接受最大 5GB、10 小时的文件;按这个算法,24-bit、48 kHz 立体声 WAV 大约录到 4.8 小时就会超过 5GB。长 WAV 太大的话,先转成 MP3,或者切分。

如何把录好的对话转成文字

有了文字稿,一小时的音频就能搜索、能引用。下面是用 whispertranscribe.ai 的流程,它是一个基于 OpenAI Whisper 模型的浏览器转写工具。全程在浏览器里完成,不用安装任何东西。

  1. 打开一个上传页面。 采访用采访转写。不想注册先试试,免注册的免费转写页面用法一样。免费额度以页面显示为准,可能会变。用 Voice Memos 录的?用语音备忘录转写页面;我们的语音备忘录转写指南讲了怎么导出文件。
  2. 选择说话的语言。 支持 130+ languages(130 多种语言)。很多语言都有 Noise / Low-Quality Audio/Video(噪声 / 低质量音视频)选项,适合咖啡馆或街头的录音;对话里会切换语言的,还有 Multilingual Mix(多语言混合)选项。
  3. 上传文件。 支持 M4A、MP3、WAV、AAC、FLAC、OPUS,以及 MP4、MOV 等视频。
  4. 勾选 Enable Speaker Detection(启用说话人识别)。 文字会按说话人分开;把标签和开头报的名字对上。
  5. 检查,然后导出。 清晰音频的准确率 up to 99%(最高可达 99%);噪声、多人抢话、距离远和口音重都会拉低准确率,所以要核对人名、数字和引语。可导出 DOCX、PDF、TXT、CSV、SRT 或 VTT。

在电脑前、还没开始录?浏览器录音机一步完成录音和转写。电话录音请看电话转写。

付费方案 from $9.99/month billed annually(按年付费,每月 $9.99 起);详见价格和完整的功能列表。

上传的文件会怎么处理

根据 whispertranscribe.ai 的隐私政策,你上传的文件在处理完成后会自动删除,处理过程中生成的 MP3 副本默认保留 30 天,文字稿会一直留在你的账户里,直到你自己删除。同一份政策还写明,你的内容不会用于 AI 训练,也不会被员工查看,传输时用 TLS 1.3 保护,存储时用 AES-256 加密。告诉参与者文件会传到哪里;上传任何敏感内容前,先把政策全文读一遍。

对话录音常见问题排查

大多数问题出在摆放位置、电量或者文件本身。

现象 可能原因 解决办法
某个人声音很小或听起来很远 录音设备离声音大的人更近 挪向声音小的人,或给那个人一个领夹麦
声音发空或发闷 房间硬、回声大,或两支麦收到了同一个人的声音 换个软一点的房间;按 3 比 1 法则拉开麦克风距离
持续的嗡嗡声或嘶嘶声 麦克风旁边有出风口、投影仪或笔记本风扇 挪开设备再试录
iPhone 录音提前停了 另一个 App 开始播放音频 录音期间让媒体类 App 保持静音
Galaxy 锁屏后录音停了 电池优化暂停了 App 把 Voice Recorder 的电池使用设为不受限制
Windows 录音被截断 录音机单个文件最长三小时 在自然的停顿处停下,开一个新文件
上传被拒 文件超过 5GB 或超过 10 小时 转成 MP3 或分成几段
文字稿里说话人混在一起 有人抢话,或没开说话人识别 打开说话人识别重新转写;下次关键点一个一个重说
人名和术语识别错 生僻词、噪声或口音 对照录音校对,参考开头报的名字

常见问题

面对面录下对话合法吗?

通常合法,但要看你在哪里。美国联邦法律对面对面谈话设定的最低要求是一方同意,大约 11 个州主要要求所有人都同意。很多法律只在人们合理预期有隐私的情况下适用,法院会根据地点、话题和音量来判断。录音设备放在明处通常有帮助。在录音里征求同意,并查一下州或当地的法律。本文是一般信息,不构成法律建议。

录两个或更多人说话,手机该放哪里?

放在柔软的东西上,别挡住麦克风,离说话最小声的人最近。两个人就平放在中间;Samsung Galaxy 的 Interview 模式会从手机顶端和底端收音。一群人就先放中间,再往远端挪。距离每翻一倍,直达声大约下降 6 dB,所以要从最远的座位试录。

录对话需要外接麦克风吗?

安静房间里两个人,通常不需要。只要试录听着清楚,手机放桌上往往就够了。挪过设备后还有人听着很远、房间吵,或者说话的人不止几个,就加一个麦。边走边聊或嘈杂环境下的采访,适合每人一个领夹麦。先确认和你的手机或电脑兼容。

录对话用什么音频格式最好?

大多数对话用手机默认的 M4A (AAC) 就行,文件小,128 kbps 时每小时约 58 MB。只有打算剪辑音频才用 WAV。24-bit、48 kHz 立体声 WAV 每小时约 1 GB,不到五小时就可能超过 5GB 的上传上限。事后转换补不回细节,所以录之前就选好。

一场对话最长能录多久?

看用什么 App。Pixel 上的 Google Recorder 单个录音最长 18 小时。Microsoft 的录音机常见问题说每个文件最长三小时。iPhone 上的 Voice Memos 遇到别的 App 播放音频就会停。长时间录音要插电并检查存储空间。转文字的话,whispertranscribe.ai 接受最长 10 小时、最大 5GB 的文件,更长的录音要切分。

怎样得到能看出谁说了什么的文字稿?

把录音上传到有说话人识别的转写工具,再给标签改名。在 whispertranscribe.ai 上,选择语言、上传文件、勾选 Enable Speaker Detection,然后导出 DOCX、PDF、TXT、CSV、SRT 或 VTT。请每个人开头报一下名字,方便把声音和标签对上。清晰音频的准确率 up to 99%(最高可达 99%);噪声、抢话和口音会拉低准确率。


对话录好了?拿到文字稿。 打开 whispertranscribe.ai 采访转写,从 130+ languages(130 多种语言)中选择,打开说话人识别,把结果下载为 DOCX、PDF、TXT、CSV、SRT 或 VTT。

参考资料

想把录音转成文字?

用 whispertranscribe.ai 转录音频和视频。

开始转录 ↗