作者:whispertranscribe.ai 編輯團隊 · 最後更新:2026 年 11 月 · 閱讀約 12 分鐘
轉錄西班牙語音訊,先選和說話者匹配的西班牙語選項(通用西班牙語、拉美西班牙語或嘈雜音訊模式),加入檔案或連結,讓 AI 轉錄工具出一版初稿。然後重點校對機器在西班牙語上容易出錯的地方:重音符號、句首的 ¿ 和 ¡、人名,以及夾在話裡的英語單詞。
下面會講:操作步驟、西班牙語錄音特有的問題和各自的處理辦法、一份可複製的校對清單、翻譯成英文、SRT 和 VTT 字幕、Whisper 公開的西班牙語基準測試結果,以及其他工具的比較。
簡短回答:西班牙語音訊怎麼轉錄
自己設定語言,別依賴自動偵測;用最乾淨的錄音版本;提前規劃有針對性的檢查。西班牙語逐字稿裡大部分要改的地方都集中在幾類可預見的問題上,所以按清單查比從頭重聽更有效。
- 選對西班牙語選項。 通用西班牙語、Spanish (Latin America)、嘈雜音訊模式,或者用 Multilingual Mix 處理西英混說(Spanglish)。
- 加入音訊並轉錄。 上傳檔案、貼上公開連結,或在瀏覽器裡錄音;對話類錄音要開啟說話者偵測。
- 校對並匯出。 檢查重音符號、¿ ¡、人名和數字,然後下載 DOCX、TXT、SRT、VTT 或其他格式。
該選哪個西班牙語選項?
按誰在說話、錄音聽起來怎麼樣來選。西班牙語轉錄頁面上的語言清單有三個西班牙語選項,外加一個混合語言模式;頁面本身也建議,第一次結果不滿意就換個選項試試。
| 你的錄音 | 先試的選項 | 結果不理想時 |
|---|---|---|
| 說話者來自西班牙,或來自多個國家 | Spanish | 拿一小段試試 Spanish (Latin America) |
| 說話者來自墨西哥、中美洲、南美洲或加勒比地區 | Spanish (Latin America) | 試試通用 Spanish 並比較 |
| 電話、街頭採訪、有回聲的房間、老磁帶 | Spanish (Noise / Low-Quality Audio/Video) | 盡量找最乾淨的原始檔案 |
| 說話者在西班牙語和英語之間切換(Spanglish) | Multilingual Mix | 用西班牙語轉錄,再手動修英語單詞 |
| 你只需要英文文字 | 改用音訊翻譯成英文 | 先用西班牙語轉錄,再翻譯 |
Multilingual Mix 適用於在英語、西班牙語、法語、德語、印地語、俄語、葡萄牙語、日語、意大利語和荷蘭語之間切換的錄音。沒有單獨的「僅西班牙」或「僅墨西哥」選項,所以實際做法是快速並排測試一下再定。
用 whispertranscribe.ai 轉錄西班牙語音訊
whispertranscribe.ai 是一個在瀏覽器裡使用的轉錄工具,基於 OpenAI 的 Whisper 模型,不用安裝任何東西。以下步驟依據的是 2026 年 11 月時它的西班牙語頁面。
第 1 步:開啟西班牙語頁面,確認語言
開啟西班牙語音訊轉文字頁面。Step 1 是選擇口語語言,頁面要求你在上傳、錄音或加入 URL 之前先設好。從上面的表格裡選一個選項。
第 2 步:加入音訊:上傳、連結或錄音
頁面提供三種方式:
- File upload(檔案上傳)。 拖放 MP3、WAV、M4A、FLAC、OGG、AMR、MP4、MOV、MKV、WEBM 等檔案。單個檔案上限 5GB,方案支援最長 10 小時的錄音。
- From URL / Link(從連結)。 貼上 YouTube、Vimeo、Google Drive 或 Dropbox 連結。連結必須公開,不登入也能下載。同樣的功能也在 Transcribe from URL 頁面上。
- Record and convert to text(錄音並轉文字)。 對著麥克風說話;另外還有一個獨立的錄音並轉錄頁面。
第 3 步:對話類錄音開啟說話者偵測
採訪、焦點小組和 Podcast,請開啟 Enable Speaker Detection,它會自動區分說話者。之後再把 "Speaker 1"、"Speaker 2" 改成真實名字。
第 4 步:開始轉錄並開啟結果
開始轉錄,完成後開啟西班牙語逐字稿。音訊清晰時,準確率最高可達 99%;噪音、濃重的地方口音和多人搶話會拉低準確率,這也是後面兩節存在的原因。
第 5 步:檢查並匯出
按下面的校對清單逐項過一遍,然後匯出。逐字稿可下載為 DOCX、PDF、TXT、CSV、SRT 或 VTT。你可以不註冊帳號先試用,付費方案 from $9.99/month billed annually;詳見價格。
西班牙語音訊難轉錄在哪裡?
西班牙語的語音辨識資源很充足,所以錯誤並不是隨機的。它們集中在地區發音、聽不出來的重音符號、混用語言和隨意口語上。塞萬提斯學院 2025 年年鑒統計,母語者約 5.2 億,分布在許多國家,所以差異是常態,不是例外。
| 難點 | 初稿裡會看到什麼 | 怎麼辦 |
|---|---|---|
| 地區發音 | 複數或動詞詞尾丟失;ll/y 開頭的詞聽錯 | 選最接近的地區選項;關鍵引語裡的詞尾播放確認 |
| 地區用詞 | 某個詞被「糾正」成更常見的詞 | 保留說話者的用詞;只有讀者需要時才加註 |
| Spanglish(語碼轉換) | 英語單詞被拼成西班牙語,或被漏掉 | 用 Multilingual Mix;列出預計會出現的英語詞 |
| 隨意口語的縮略 | pa'、'tá、pa'l 被寫成完整的詞或被漏掉 | 動手編輯前先決定是逐字稿還是整理稿 |
| 重音符號 | tú 寫成 tu,él 寫成 el,sí 寫成 si | 逐個搜尋不帶重音的寫法;按意思判斷 |
| ¿ 和 ¡ | 問句只有句末的問號 | 在問句開始的地方補上開頭的符號 |
| 人名和地名 | Ibáñez 寫成 Ibañez,城鎮名寫錯 | 開始前先建一份人名清單 |
| 重疊說話 | 兩個人的話合併到一個說話者名下 | 檢查每次換人後的第一句 |
口音和地區發音
西班牙的 distinción(把 z 和軟音 c 發成類似 "th" 的音)、加勒比地區弱化詞尾 s 的習慣、布宜諾斯艾利斯把 ll 和 y 發成類似 "sh" 的音,都會讓同一個詞聽起來不一樣。弱化的 s 影響最大,因為它承載複數和動詞人稱:los niños 可能被轉成 lo niño,tienes 變成 tiene。凡是要發表的引語,這些詞尾都要播放確認。
方言用詞和 voseo
墨西哥人說 computadora 和 celular;馬德里人說 ordenador 和 móvil。兩種都對,逐字稿保留說話者的選擇。語法也一樣:阿根廷和烏拉圭人用 vos,配 tenés 這樣的變位。如果初稿裡寫的是 tienes,而你聽到的是 tenés,就改回來。逐字稿記錄的是說了什麼,不是標準化後的版本。
Spanglish 和語碼轉換
很多美國的採訪會在一句話中間換語言:"Mañana tengo un meeting con el landlord." 單一語言設定可能把 meeting 拼成別的樣子,或者乾脆漏掉。選擇 Multilingual Mix,並列出你預計會出現的英語單詞(公司名、職位、產品),方便事後搜尋。保留英語單詞;悄悄翻譯掉,就改變了說話者原本說的話。
口語縮略和填充詞
日常說話會把詞縮短:para 變成 pa',está 變成 'tá。先定好風格。逐字稿保留縮略形式和 eh、o sea、pues 這類填充詞;整理稿用標準拼寫並去掉填充詞。注意 este:在墨西哥口語裡它常是填充詞("este... no sé"),但它也是個普通詞("este proyecto"),所以別用全局查找替換一刪了之。
重音符號和句首的 ¿ 與 ¡
有些重音符號只是用來區分讀音完全相同的詞,比如 tú(你)和 tu(你的),或者 sí(是)和 si(如果)。西班牙皇家語言學院(Real Academia Española)把這叫作 tilde diacrítica(區別性重音符);因為音訊裡沒有線索,語音模型只能根據上下文推斷。RAE 同一詞條還說,大寫字母也要保留重音:寫 Ángel,不寫 Angel。
問句和感嘆句要以 ¿ 和 ¡ 開頭。RAE 關於這兩個符號的說明指出,開頭的符號不能省,而且要放在問句真正開始的地方,哪怕是在句子中間:Te vas mañana, ¿verdad?
人名、數字和重疊的聲音
姓氏和地名是按發音拼的,所以 Ibáñez 可能丟掉重音符號,Xalapa 可能變成 Jalapa。請大家在錄音開頭說一遍並拼出自己的名字,這樣你就白得一份人名清單。數字在翻譯前要小心:西班牙語的 billón 是「一百萬個一百萬」,RAE 的 billón 詞條建議英語的 "billion" 用 mil millones 表示。語速快的多人討論裡,說話者標籤在重疊處容易錯位,所以每次換人後的第一句都要檢查。
西班牙語逐字稿校對清單
把這張表複製到你的筆記裡,從上到下逐項檢查。大部分行靠搜尋就行,不用重聽。
| # | 檢查項 | 怎麼快速找到 | 怎麼改 |
|---|---|---|---|
| 1 | 開頭的 ¿ 和 ¡ | 搜尋 "?" 和 "!",往左看有沒有開頭符號 | 在問句或感嘆句開始的地方補上 |
| 2 | 區別性重音詞對 | 全詞搜尋 tu、el、si、mi、se、te、de、mas | 只有意思需要時才加重音 |
| 3 | 疑問詞 | 搜尋 que、como、donde、cuando、quien、cuanto | 直接問句和間接問句裡都要加重音 |
| 4 | ñ 和大寫字母 | 搜尋 ano、ninos、espanol、manana;掃一遍人名 | 恢復 ñ;大寫字母保留重音 |
| 5 | 人名和地名 | 按你的人名清單搜尋 | 用每個人自己的拼法 |
| 6 | 數字 | 搜尋 billón、millones,以及每個要引用的數字 | 播放數字;翻譯前核對 billón |
| 7 | 英語單詞 | 按你的 Spanglish 詞表搜尋 | 保留說話時用的英語詞 |
| 8 | 地區形式 | 讀一遍有 voseo 和 vosotros 的段落 | 恢復說話者的用法 |
| 9 | 填充詞和縮略 | 搜尋 este、o sea、pa' | 一致地執行你定的逐字稿或整理稿規則 |
| 10 | 說話者標籤 | 檢查每次換人後的第一句 | 把合併或對調的話輪重新分配 |
第 2 行請開啟「全詞匹配」搜尋,免得搜 el 時也停在 ella 和 papel 上。
怎麼把西班牙語音訊變成英文文字
有兩條路:先用西班牙語轉錄,再翻譯校對過的文字;或者直接從西班牙語音訊生成英文。
直接出英文。 音訊翻譯成英文頁面能把語音轉成英文文字。它的 Step 1 要你選檔案裡說的語言,所以這裡要選 Spanish,不是 English。Step 2 是上傳,可以開說話者偵測,然後生成並匯出英文文字。把它當作工作草稿。
先轉錄,再翻譯。 凡是要引用、發表或翻譯成多種語言的內容,都從校對過的西班牙語逐字稿開始翻譯,這樣每處錯誤只需改一次。
Whisper 論文報告,在 CoVoST2 基準上西班牙語譯英語的 BLEU 分數為 40.1(large-v2)。BLEU 衡量的是和參考譯文的重合程度,不是句子正確的百分比。習語、billón,以及 usted 和 tú 的區別,仍然需要人來看。
怎麼做西班牙語字幕(SRT 和 VTT)
影片的話,把西班牙語逐字稿匯出為 SRT 或 VTT,或者直接用字幕產生器並選西班牙語。先改文字,字幕序號和時間碼別動。下面是一個虛構的字幕條目範例:
48
00:03:12,400 --> 00:03:15,100
¿Cuándo llega el pedido? ¡Lo necesito ya!
(譯註:範例保留原文,字幕意為「訂單什麼時候到?我現在就要!」)
西班牙語字幕有一個典型故障:字元。上傳前用純文字編輯器開啟檔案;如果 á、ñ 或 ¿ 顯示成奇怪的符號,就另存為 UTF-8。YouTube 影片直接貼上連結,不用下載;見 YouTube 轉錄。
Whisper 轉錄西班牙語有多準?
在 OpenAI 公開的基準測試裡,西班牙語是 Whisper 表現最好的語言之一。這些是 Whisper 模型的公開結果,不是對 whispertranscribe.ai 的測試,而且用的是朗讀語音,比大多數真實錄音乾淨。
| 基準(出自 Whisper 論文) | 音訊內容 | large-v2 WER | tiny WER |
|---|---|---|---|
| Fleurs(Table 13) | 朗讀句子 | 3.0% | 15.9% |
| Multilingual LibriSpeech(Table 10) | 有聲書朗讀 | 4.2% | 19.2% |
| Common Voice 9(Table 11) | 志願者用自己的麥克風朗讀提示句 | 5.6% | 30.3% |
WER(詞錯誤率)是相對參考逐字稿,被替換、遺漏或插入的詞所佔的比例;越低越好。論文的訓練資料包含 11,100 小時西班牙語語音辨識音訊,是非英語語言中佔比最大的之一,另有 6,693 小時西班牙語譯英語的音訊;論文還發現,訓練音訊越多的語言得分越好。
這些基準沒有覆蓋自然對話、濃重地方口音、Spanglish、電話音訊或多人搶話;OpenAI 的 Whisper README 也指出,不同語言的表現差別很大。對於 whispertranscribe.ai,我們的說法保持克制:音訊清晰時 up to 99%,有噪音和口音時會更低。我們關於 Whisper 準確率的指南會更深入地講 WER。
西班牙語轉錄工具比較(2026 年 11 月核對)
whispertranscribe.ai 是我們做的,所以這張表只當起點,購買前請到各家頁面核對。價格為 2026 年 11 月頁面顯示的美元價格。
| 工具 | 西班牙語支援 | 列出的語言數 | 付費起價 | 免費選項 |
|---|---|---|---|---|
| whispertranscribe.ai | Spanish、Spanish (Latin America)、嘈雜音訊模式、Multilingual Mix | 130+ | $9.99/month billed annually | 可免費開始,無需註冊 |
| TurboScribe | 西班牙語被列為效果最好的語言之一 | 98+ | $10/month billed yearly,月付 $20 | 每天 3 個檔案,每個最長 30 分鐘 |
| Happy Scribe | 有專門的西班牙語頁面,"up to 98% accurate" | 150+ | Basic $8.50/month billed annually(每月 120 分鐘 AI 轉錄) | 10 分鐘免費試用 |
| Sonix | 西班牙語頁面覆蓋西班牙和拉美 | 54+ | 按量付費 $10/hour;Core $25/month | 30 分鐘免費 |
| Rev | Essentials 方案起支援西班牙語;Pro 支援 Spanglish | 37+(Pro) | Essentials $29.99 per seat/month | 免費方案僅支援英語 |
| Notta | 58 種轉錄語言中包括西班牙語 | 58 | Pro $8.17/month billed annually | 每月 120 分鐘,每段對話最長 3 分鐘 |
| Otter | 西班牙語是六種語言之一 | 6 | Pro $16.99/month billed monthly | 每月 300 分鐘,總共可匯入 3 個檔案 |
表裡看不出來的:Happy Scribe 和 Rev 還提供人工轉錄(分別 from $2.00 和 $1.99 a minute),whispertranscribe.ai 沒有這項服務。Otter 的 Pro 方案列有團隊詞表;whispertranscribe.ai 沒有自定義詞表,所以校對時由你的人名清單來做這件事。whispertranscribe.ai 也沒有 API 或會議機器人;它處理的是檔案、連結和瀏覽器錄音。
常見問題
AI 能轉錄不同口音的西班牙語嗎?
能,不過準確率會隨口音和錄音質量變化。Whisper 用 11,100 小時西班牙語音訊訓練過,公開的西班牙語基準分數是它最好的之一。但明顯的地區特徵,比如弱化的詞尾 s,仍會讓詞尾出錯。選最接近的地區選項,先拿一小段試轉,凡是要發表的引語都播放詞尾確認。whispertranscribe.ai 提供通用 Spanish 和 Spanish (Latin America)。
該選 Spanish 還是 Spanish (Latin America)?
大多數說話者來自墨西哥、中美洲、南美洲或加勒比地區時,選 Spanish (Latin America);說話者來自西班牙或來源混雜時,選通用 Spanish。拿不準的話,用同一段五分鐘的片段兩個都試,留下需要改得少的那個。電話或嘈雜房間的錄音,試試 Noise / Low-Quality 選項。說話者在西班牙語和英語之間切換的,用 Multilingual Mix。
西班牙語和英語混說的音訊怎麼轉錄?
用專為混合語言設計的模式。在 whispertranscribe.ai 裡,這就是 Multilingual Mix,同一段錄音裡可以覆蓋英語、西班牙語和另外八種語言。開始前先列出預計會出現的英語詞,比如公司名和職位,事後再搜尋檢查。英語詞照說的原樣保留,不要翻譯,這樣逐字稿才能準確記錄每個人說了什麼。
為什麼我的西班牙語逐字稿裡缺重音符號或 ¿?
很多重音符號不改變讀音,所以模型只能推斷。Tú 和 tu、sí 和 si 讀音相同,帶不帶開頭 ¿ 的問句聽起來也一樣。逐個搜尋不帶重音的短詞和每一個問號,然後按意思改。RAE 規定,開頭的 ¿ 和 ¡ 放在問句或感嘆句真正開始的地方,可能是在句子中間。
能把西班牙語音訊直接翻譯成英文嗎?
能。用翻譯成英文的工具,把口語語言選為西班牙語,一步就能得到英文文字。whispertranscribe.ai 的音訊翻譯成英文頁面就是這樣用的。如果是引語、要發表,或要翻成不止一種語言,先用西班牙語轉錄、校對逐字稿,再翻譯校對後的文字,這樣錯誤只改一次,不用每個版本都改。注意 billón 這類數字,它的意思是一百萬個一百萬。
能用逐字稿做西班牙語字幕嗎?
能。把西班牙語逐字稿匯出為 SRT 或 VTT,或者用字幕產生器並選西班牙語。先改文字,字幕序號和時間碼保持不動,然後用純文字編輯器開啟檔案,確認 á、ñ 和 ¿ 顯示正常。如果顯示成奇怪的符號,就另存為 UTF-8。把檔案作為單獨的字幕軌上傳到影片平台。
準備開始了嗎? 開啟西班牙語轉錄頁面,選好西班牙語選項,加入檔案、連結或錄音。whispertranscribe.ai 支援 130 多種語言,可處理最大 5GB 的檔案,能匯出 DOCX、PDF、TXT、CSV、SRT 和 VTT。它不提供人工轉錄、API 或手機 App。
參考資料
- Radford 等,OpenAI:Robust Speech Recognition via Large-Scale Weak Supervision(Table 10、11、13、15 及附錄 E)
- OpenAI:GitHub 上的 Whisper(README)
- 西班牙皇家語言學院(Real Academia Española),Diccionario panhispánico de dudas:tilde、signos de interrogación y exclamación、billón
- 塞萬提斯學院:El español en el mundo 2025(新聞稿,2025 年 10 月 28 日)
- 2026 年 11 月核對的廠商頁面:TurboScribe、Happy Scribe 價格和西班牙語頁面、Sonix 價格和西班牙語頁面、Rev 價格、Notta 價格和支援語言、Otter 價格
