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。
- 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。
- 生成初稿:每段录音选对语言、打开说话人识别后再上传。
- 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 |
| 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
- 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
- University of Illinois Library. Qualitative Data Analysis: Transcribing Data(定性数据分析:转写数据)
- International Rescue Committee. Qualitative Data Transcription and Translation, IRC Research Toolkit(定性数据转写与翻译)(PDF)
- eCFR. 45 CFR 46.116,知情同意的一般要求
- HHS Office for Human Research Protections. 知情同意指南
- UK Data Service. 文本数据匿名化
- UK Data Service. 数据管理:工具和模板
