定性研究转写:怎样把访谈变成可以直接分析的文本

作者:whispertranscribe.ai Editorial Team · 最后更新:2026 年 11 月 · 阅读约 13 分钟

可以,AI 能做定性研究转写,但只能当初稿。上传访谈,分开说话人,导出文本,然后边听完整录音边改。只有研究者对照音频核对过、按研究的转写规则处理过、删掉了可识别身份的信息之后,转写稿才算得上数据。

下面依次讲:怎么选转写风格、七步工作流程、一份可直接复制的校对清单、匿名化和伦理的基本要求(附官方出处),以及导出格式怎么选。

简短回答:定性研究转写能用 AI 吗?

能,前提是把输出当原材料。AI 初稿省掉的是打字,省不掉听。

  1. 先定转写规则:逐字还是精简逐字,说话人怎么标,停顿和听不清的词怎么记。
  2. 生成初稿:每段录音选对语言、打开说话人识别后再上传。
  3. 核对、匿名化,再分析:对照音频改初稿,把人名换成代码,把处理好的文件导入分析软件。

上传任何可识别身份的内容之前,先确认你的伦理审批和知情同意书涵盖了这个工具。

你的研究需要哪种转写风格?

按分析方法选风格,而不是按哪种最快。研究人们“怎么想”的主题分析,通常用干净一些的文本就够;研究人们“怎么说”的,每一次迟疑都得留着。

在一篇被广泛引用的论文里,Oliver、Serovich 和 Mason(2005)把转写看作两种模式之间的一条连续谱。自然化(naturalism) 尽可能详细地记录每一句话。去自然化(denaturalism) 会修正语法,去掉结巴、停顿这类访谈噪音,并把非主流口音标准化。作者没有说哪种更好。他们的观点是:这个选择会影响研究发现,也会影响参与者被如何呈现,所以应在开始转写前认真决定。比如他们讨论过要不要在转写稿里保留某位参与者的方言,因为对方可能会在成员核查(member checking)时读到。

风格 保留什么 去掉什么 AI 初稿需要你做什么
完整逐字(自然化) 每个词、语气词、说错重来、重复、笑声,以及标注出的停顿 凡是能听到的都不去掉 把初稿抹平的语气词和重来部分补回去;手动插入停顿和笑声标记
精简逐字(去自然化) 所有有意义的词,保持说话人原本的说法 语气词、结巴、大部分重复 统一去掉语气词;绝不要“纠正”参与者的语法或用词
详细的会话分析标注 计时停顿、重叠、重音、语调 什么都不去掉 初稿只当词表用;标注要手工做
编辑稿或摘要 要点 凡是阅读时不需要的 这不算转写稿;大多数定性方法不会把它当数据

不管哪种风格,就算你分析的是干净版,也要保留一份没动过的逐字母本,并把规则写成一份简短的规范。正如伊利诺伊大学图书馆指南所说,转写本身就是一种分析:你写下了什么,决定了你之后能发现什么。

一页纸转写规范(可复制后修改)

项目转写规范 — 示例,请按你的研究修改
风格:         完整逐字。保留语气词(um, uh)、说错重来、重复。
说话人标签:   I = 访谈者。P01, P02... = 参与者。绝不用真实姓名。
时间戳:       每次换说话人时标注,格式 [hh:mm:ss]。
听不清:       听不出的词写 [inaudible hh:mm:ss];猜测的词写 [unsure: word]。
非语言:       [laughs] [pause] [crosstalk] [phone rings],放在方括号里。
重叠:         第二位说话人另起一行,标注 [overlapping]。
附和声:       参与者说话时访谈者的 "mm-hm":省略 / 保留(二选一)。
身份信息:     在匿名化阶段替换为 [descriptor],每处改动都记录。
语言:         按实际说的语言转写;核对完再翻译。
文件命名:     StudyCode_P01_v1-draft / v2-checked / v3-anonymised

AI 初稿 + 研究者审校:7 步工作流程

第 1 到 4 步只占你几分钟注意力。真正花时间的是第 5 步,这也理所应当。

第 1 步:为转写稿录音,而不只是给自己听

对初稿质量影响最大的就是音频是否清晰。录音设备放得离参与者比离你近,选安静的房间,先试录十秒。远程访谈在参与者同意后,用通话平台自带的录制功能,或浏览器里的屏幕和音频录制工具。线下访谈手边只有笔记本电脑的话,在线录音机可以一次完成录音和转写。

第 2 步:每段访谈单独上传

在网页浏览器里打开访谈转写页面,上传前先选好所说的语言。一段访谈一个文件,数据集更整齐。whispertranscribe.ai 是一款网页版 AI 转写工具,能把音频和视频转成文字,支持 130+ languages;它接受最大 5GB、最长 10 小时的文件,常见格式如 MP3、WAV、M4A 和 MP4 都可以。如果录音已经在 Google Drive 或 Dropbox 里,可以通过从 URL 转写直接粘贴链接,不用先下载。

第 3 步:打开说话人识别

打开 Enable Speaker Detection,让初稿把对话按轮次分开。这一点在定性研究里比几乎任何场景都重要:把参与者的话记到访谈者头上,是数据错误,不是笔误。要预料到有些归属需要改,尤其是大家抢话或两个人声音很像的时候。

第 4 步:导出初稿

下载一份 DOCX 或 TXT 工作副本用来编辑。把它标成初稿(v1),免得有人误拿去编码。后面的格式指南会讲哪种导出格式适合哪项工作。

第 5 步:对照音频修改初稿

打开转写稿,把整段录音听一遍,文字和音频对不上的地方就停下。先改说话人标签,再用查找替换改反复听错的词,然后从头到尾顺听一遍。凡是你可能引用的段落都回放一遍。语音识别可能会漏掉或抹平语气词和重来的部分,所以如果你的规范是完整逐字,别以为初稿已经是了。

第 6 步:另存一份做匿名化

把改好的文件存为 v2,再建一个 v3 做匿名化。用统一的描述词替换人名和可识别身份的细节,并在日志里记录每一处改动(见下面的匿名化部分)。文件导出后,在你自己的编辑器里离线完成这一步。

第 7 步:导入分析软件

把匿名化版本导入你的定性数据分析软件;如果手工编码,就放进文档或表格里。whispertranscribe.ai 不直接对接 NVivo、ATLAS.ti、MAXQDA 或其他分析软件;你需要导出文件、自己导入。请查看所用软件的导入指南,了解它支持哪些格式、怎么读取说话人姓名。

改好的转写稿长什么样(示例)

下面三个版本是为说明而编写的,不是真实访谈或测试的输出。它们展示了第 5 步和第 6 步会做哪些改动。(示例转写内容保留英文原文,因为改动涉及英文语气词和口语写法。)

EXAMPLE — v1, AI draft (uncorrected)
Speaker 1: So when did you start working at the clinic?
Speaker 2: I started there in 2019 I think. My manager Sarah helped me settle in.
It was hard at first because I moved from Leeds.

EXAMPLE — v2, checked against audio (full verbatim)
[00:04:12] I: So when did you start working at the clinic?
[00:04:15] P07: I, um, I started there in— it was 2019, I think. [pause] My manager
Sarah, she really helped me settle in. It was hard at first 'cause I'd moved from Leeds.

EXAMPLE — v3, anonymised
[00:04:12] I: So when did you start working at the clinic?
[00:04:15] P07: I, um, I started there in— it was [year], I think. [pause] My manager
[manager 1], she really helped me settle in. It was hard at first 'cause I'd moved
from [city in Northern England].

从 v1 到 v2,语气词和说错重来的部分补回来了,标出了一处停顿,"because" 改成了参与者实际说的 "'cause",通用标签换成了研究代码。这些都不改变大意,但都可能影响分析。

访谈转写稿校对清单

每份转写稿进入分析前都用这张清单过一遍。它可以直接复制进表格或实验室手册。

检查项 看什么 怎么改 完成
说话轮次 台词记到了错的人头上;同一个人被拆成两个标签 每次换说话人时听一下;合并或重新标注 ☐
说话人代码 通用标签或标签里出现真实姓名 按规范换成 I、P01、P02 ☐
风格一致 有的地方保留语气词,有的地方删了 全文统一执行规范规则 ☐
参与者措辞 初稿“纠正”了语法或方言 恢复音频里听到的原话 ☐
关键术语 听错的行话、地名、产品或机构名 建一份术语表;用查找替换改,再抽查 ☐
数字 年龄、年份、金额、数量 逐个对照音频;数字很容易听错 ☐
否定词 漏掉或多出 "not"、"never"、"didn't" 意思取决于否定词的句子都回放一遍 ☐
重叠说话 抢话被并进了一个人的台词 拆开轮次并标注重叠 ☐
听不清的段落 猜的词被当成确定的写进去 标为听不清或不确定,并注明时间 ☐
非语言线索 笑声、长停顿、会改变意思的情绪 如规范要求,加方括号注释 ☐
写作要引用的话 任何你可能引用的段落 回放两遍,逐字确认 ☐
身份信息 遗留的人名、工作单位、城镇、少见细节 留到匿名化步骤处理;每处改动都记录 ☐

定性研究转写要花多久、花多少钱?

手工转写每小时音频要花好几个小时;有了 AI 初稿,大部分时间转到了核对上。国际救援委员会(International Rescue Committee)研究工具包估计,转写一小时录音需要 3 到 10 小时,取决于详细程度、熟练度和音频质量。

下面用一个示例研究算一笔账。审校时间是为说明而做的假设,不是实测数据;请给自己的第一段访谈计时,再调整。

示例研究:20 段访谈 × 60 分钟 = 20 小时音频 自己打字 AI 初稿 + 完整审校
每小时音频耗时 3 到 10 小时(IRC 估计) 假设审校 1.5 到 3 小时
研究者总耗时 60 到 200 小时 30 到 60 小时

如果要完整听一遍,审校不可能比录音本身更快,所以每段访谈至少按录音时长来预留时间。录音嘈杂、抢话多、要求完整逐字,都会把你推向区间上限。whispertranscribe.ai 方案按年付费每月 $9.99 起(from $9.99/month billed annually);做课题经费预算前,请到该页面查看当前的分钟数和条款。

AI 转写、人工转写服务、自己转写:怎么选

每条路都有适用的场景。选哪条取决于预算、时间线,以及你想和数据贴得多近。

因素 AI 初稿,你来审校 人工转写服务 你从头自己转写
你的时间 中等:认真听一遍加修改 一开始少,但仍应抽查 最多
成本 订阅或按量付费 通常按音频分钟计费;现金成本最高 没有现金成本
交付时间 几分钟出初稿 常常要几天,视服务商和订单而定 整个研究要几周
与数据的贴近程度 高,因为你全部听过 较低,除非你审校 最高
还有谁接触音频 工具提供方及其列出的数据处理方 服务商员工,通常签有保密协议 没有别人
最适合 大多数音频清晰的访谈研究 有经费的大项目,或研究者实在抽不出时间 小样本、会话分析、高度敏感的数据

whispertranscribe.ai 只属于第一列。它是自动化工具,不提供人工转写或人工校对。

匿名化、知情同意和伦理审查

本节是一般性信息,不是法律建议。实际规则以你所在机构的 IRB 或研究伦理委员会,以及参与者签署的知情同意为准。

拿到涵盖该工具的同意和审批

把可识别身份的录音上传到任何在线服务之前,先确认获批的研究方案和知情同意书允许这样做。在美国,Common Rule 的 45 CFR 46.116 要求知情同意信息中说明可识别记录的保密会维持到什么程度。HHS 人类研究保护办公室(Office for Human Research Protections)把知情同意指南集中放在一处。其他国家和机构有各自的规则,请问你的伦理办公室适用哪些。

伦理办公室可能会问的转写工具相关问题:

  • 音频在哪里处理,哪些第三方会经手?
  • 录音和转写稿保留多久,谁能删除?
  • 内容会不会用来训练 AI 模型,或者有人工查看?
  • 数据在传输和存储时怎么保护?

用描述词匿名化,别直接留空

UK Data Service 关于文本数据匿名化的指南建议:用化名或有意义的标签统一替换直接标识符,把过于精确的细节泛化,并保留一份匿名化日志。它提醒,只删名字通常不够,因为小社区里一份少见的工作或一条详细的时间线仍可能暴露身份。匿名化过度也是风险:满篇 "X" 的转写稿会丢掉分析需要的上下文。同一份指南还建议在本地运行匿名化工具,而不是放在外部服务器上。UK Data Service 还免费提供转写模板和转写员保密协议。

一份简单的日志,和匿名化文件分开保存:

转写稿 原内容(安全保存) 替换为 原因
P07 参与者经理的名字 [manager 1] 直接标识符
P07 家乡城市 [city in Northern England] 地点可能缩小身份范围
P07 入职年份 [year] 和职位结合可能识别出本人

whispertranscribe.ai 隐私政策怎么说

以下是 whispertranscribe.ai 隐私政策的内容,读取于 2026 年 11 月。上传的原始音频和视频文件在处理完成后自动删除。处理过程中提取的 MP3 文件默认保留 30 天,除非你提前删除。转写稿会一直留在你的账户里,直到你删除;删除是永久的,没有备份。录音和转写稿不用于训练 AI 模型,政策写明没有人工审查。数据传输时用 TLS 1.3 保护,存储时用 AES-256 加密。政策列出 OpenAI 为位于美国(U.S.A.)的 AI 服务提供方,你的伦理办公室可能会想知道这一点。whispertranscribe.ai 不声称拥有 HIPAA、GDPR 或 SOC 2 认证;如果你的研究要求经认证的服务商或在本国境内处理,请选择符合要求的服务。

研究者应该用哪种导出格式?

whispertranscribe.ai 可导出 DOCX、PDF、TXT、CSV、SRT 和 VTT。按下一步要做什么来选。

格式 在研究项目里的用途
DOCX 在文字处理软件里修改和匿名化;用修订模式给第二位核对者看;作为文档导入分析软件
TXT 最简单、最通用的副本,适合存档或偏好纯文本的工具
CSV 在表格里逐行审阅片段,或按说话人排序快速统计轮次
PDF 匿名化后,给参与者审阅(成员核查)或导师看的固定版本
SRT 或 VTT 分析视频时用的带时间码文本,或想在播放器里在转写稿和录音之间跳转

多语言和跨文化访谈的转写

先按实际说的语言转写,再翻译。IRC 工具包认为先用源语言转写、再翻译是最佳做法,因为这样在分析时可以一直对照原文核查译文。

whispertranscribe.ai 支持 130+ languages。访谈页面的语言列表包含地区变体,比如 Spanish (Latin America) 和 French (Canada),很多语言还有 "Noise / Low-Quality Audio/Video" 模式,适合田野录音。对于参与者来回切换语言的访谈,Multilingual Mix 选项覆盖 English、Spanish、French、German、Hindi、Russian、Portuguese、Japanese、Italian 和 Dutch 的混合。需要一份英文工作副本时,另行把音频翻译成英文,并把源语言转写稿作为主要数据保留。

清晰音频下准确率可达 up to 99%,但背景噪音、浓重口音和语码转换都会降低准确率。凡是非英语或混合语言的访谈,都要多留审校时间,并请母语流利的人核对你打算引用的段落。

常见问题

定性研究访谈可以用 AI 转写吗?

可以,只要研究者对照录音核对每一份转写稿。AI 能很快生成带说话轮次和时间戳的初稿,省掉大部分打字。但它仍可能听错人名、数字和行话,把话记到错的人头上,还可能漏掉规范要求保留的语气词。把初稿当工作副本,边听完整音频边改,分析前再做匿名化。

AI 转写的准确度够直接引用原话吗?

不核对不够。即使音频清晰,听错一个词也可能改变引文的意思;背景噪音、口音、抢话和专业词汇都会拉低准确率。whispertranscribe.ai 在清晰音频上可达 up to 99%,但那是最好的情况,不保证你的录音也能达到。凡是打算引用的段落,写进论文或报告前至少回放两遍,逐字确认。

定性访谈应该用完整逐字还是精简逐字转写?

根据分析方法来定。如果研究的是人们怎么说话,比如话语分析或会话分析,就用完整逐字,保留停顿和语气词。如果关注的是人们说了什么,比如很多主题分析研究,可以用精简逐字,但要保留参与者自己的措辞。Oliver、Serovich 和 Mason(2005)建议在转写前认真做出决定。很多研究者会保留一份逐字母本,分析时用干净一些的副本。

用在线转写工具需要 IRB 批准吗?

通常你的伦理审批和知情同意书需要涵盖录音的处理方式,包括任何第三方服务。要求因机构和国家而异,所以上传可识别身份的音频前,先问你的 IRB 或研究伦理委员会。准备好这些问题的答案:数据在哪里处理、保留多久、是否用于训练 AI 模型、谁能访问。本文是一般性信息,不是法律建议;以你所在机构的规则为准。

转写一小时的访谈要多久?

根据国际救援委员会研究工具包,手工打字大约需要 3 到 10 小时,取决于详细程度和音频质量。用 AI 初稿的话,初稿本身很快,你的时间花在审校上:至少是录音时长,因为你得全部听一遍,再加上停下来修改的时间。给第一段访谈计时,再用这个数字规划研究的其余部分。

定性分析软件应该导出什么格式?

把访谈作为文档导入时,通常选 DOCX 或 TXT;先修改和匿名化的话,DOCX 最方便。CSV 适合用表格编码,分析视频时 SRT 或 VTT 有帮助。whispertranscribe.ai 这些格式都能导出,但不直接对接 NVivo、ATLAS.ti 或 MAXQDA,请查看所用软件的导入指南,确认支持哪些格式。

把下一段访谈变成核对过的转写稿

在 whispertranscribe.ai 的访谈转写页面上传录音,打开说话人识别,导出 DOCX 初稿,再对照音频修改。想先用一个文件试试初稿质量,可以用无需注册账户的免费页面;网站上会显示免费能转写多少。要录研讨课或小组讨论?讲座和研讨课转写页面步骤相同,其他功能见功能列表。

相关指南:Whisper 有多准、怎么录电话、美国各州通话录音法律。

参考资料

  1. Oliver, D. G., Serovich, J. M., & Mason, T. L. (2005). Constraints and opportunities with interview transcription: Towards reflection in qualitative research. Social Forces, 84(2), 1273–1289. PMC 作者稿
  2. University of Illinois Library. Qualitative Data Analysis: Transcribing Data(定性数据分析:转写数据)
  3. International Rescue Committee. Qualitative Data Transcription and Translation, IRC Research Toolkit(定性数据转写与翻译)(PDF)
  4. eCFR. 45 CFR 46.116,知情同意的一般要求
  5. HHS Office for Human Research Protections. 知情同意指南
  6. UK Data Service. 文本数据匿名化
  7. UK Data Service. 数据管理:工具和模板

想把录音转成文字?

用 whispertranscribe.ai 转录音频和视频。

开始转录 ↗