Podcast 逐字稿格式:範本、檔案類型與平台規則

作者:whispertranscribe.ai 編輯團隊 · 最後更新:2026 年 11 月 · 閱讀約 12 分鐘

Podcast 逐字稿用什麼格式,要看文字放在哪裡。放在單集頁面上,用好讀的段落,每次換人說話前寫上說話者名字,偶爾加時間戳記。給 Apple Podcasts、Spotify 和你的 RSS feed,用帶時間軸的 WebVTT(.vtt)檔案,SRT 作備選。另外留一份純 TXT 或 DOCX 方便編輯。

下面有四個可直接複製的範本,Podcasting 2.0 規範、Apple、Spotify 和 YouTube 的檔案規則(2026 年 11 月核實),以及一份發布清單。

簡短回答:Podcast 逐字稿該用哪種格式?

大多數節目需要同一份內容的兩個版本:給人讀的閱讀版,和給 App 用的帶時間軸檔案。閱讀版按受眾選,時間軸檔案按平台選。

格式 最適合 優點 缺點 哪裡接受
純文字(TXT) 編輯、節目簡介、改寫成文章 哪裡都能開啟;好搜尋、好貼上 沒有時間資訊;說話者名字只能自己打 你的網站;RSS 標籤用 text/plain
附說話者標籤的文件(DOCX 或網頁) 單集頁面、嘉賓審閱、無障礙 最好讀;支援標題和連結 不能和音訊同步 你的網站;RSS 標籤用 text/html
帶時間戳記的文字 長訪談、核對引語、研究 讀者可以跳到某個時間點 時間戳記太多頁面會很亂 你的網站
SRT(.srt) 上傳到 Spotify 或 YouTube;字幕式 feed 簡單,支援廣泛 沒有 voice 標籤,名字只能寫進正文 Apple(訂閱者單集上傳)、Spotify、YouTube、RSS 標籤
WebVTT(.vtt) Apple Podcasts、Spotify、網頁播放器 可用 voice 標籤標出說話者;瀏覽器原生支援 語法嚴格;多一行就可能出錯 Apple(feed 和訂閱者單集上傳)、Spotify、YouTube、RSS 標籤
JSON(Podcasting 2.0) 逐詞高亮的 App 時間最精確 很少有托管平台能生成 RSS 標籤用 application/json

經驗法則: 如果只能做一個帶時間軸的檔案,就做 VTT。Podcasting 2.0 的逐字稿文件正是針對這種情況推薦 WebVTT,並指出 Apple Podcasts 用它匯入,瀏覽器也原生支援。

一份好的 Podcast 逐字稿應該包含什麼

好的 Podcast 逐字稿,能讓從沒按過播放鍵的人看懂整集內容。W3C 對 Podcast 逐字稿的描述是:簡單的文字段落,標出說話者,再加上聽眾理解內容所需的非語音聲音。

落到實處就是五個習慣:

  1. 每次換人都寫上說話者名字。 開頭附近用一次全名,之後用簡稱。不要在一個檔案裡混用「Mia」「Host」和「Speaker 1」。
  2. 每次換人說話都另起一段。 回答很長時,在話題轉換處分段。
  3. 有意義的聲音放進方括號。 [laughs]、[phone rings]、[theme music]。沒人需要的背景噪音就不用寫。
  4. 你額外加的內容要標出來。 W3C 指出,可以加補充說明,只要讀者能看出它不屬於音訊本身,比如用方括號。
  5. 時間戳記少用。 W3C 的建議是只在有用時才加,而且很少需要寫結束時間。

清潔版還是逐字版? 公開的單集頁面最適合清潔逐字版(clean verbatim):保留每個有意義的詞,去掉「嗯」、結巴和說了一半又重來的話。如果原話很重要,比如研究訪談或可能有爭議的引語,就保留完整逐字版。不管選哪種,都在逐字稿開頭用一句話說明。

可直接複製的 Podcast 逐字稿範本

下面每個範本都是我們為本指南編寫的虛構範例(「Trailhead Radio」這檔節目並不存在)。替換方括號裡的佔位內容,保留結構即可。

範本 1:訪談格式(兩位或以上說話者)

適用於嘉賓單集和圓桌討論。如果你的網站支援,可以把標籤加粗。

EXAMPLE (fictional show)

Trailhead Radio, Episode 58: Packing for a First Overnight Hike
Host: Mia Chen. Guest: Luis Ortega, park ranger.
Transcript style: clean verbatim.

[theme music]

Mia Chen: Welcome back to Trailhead Radio. I'm Mia, and today I'm
talking to ranger Luis Ortega about the mistakes he sees on first
overnight trips.

Luis Ortega: Thanks for having me. The big one is weight. People pack
for every possible problem and end up too tired to enjoy the trail.

Mia: So where do you start?

Luis: With water. Check where you can refill before you leave, then
carry only what gets you to the next source. [laughs] My first trip,
I carried six liters up a creek trail.

譯註:虛構節目第 58 集《第一次過夜徒步怎麼打包》。主持人 Mia Chen 和護林員 Luis Ortega 聊新手常犯的錯:帶太重;先查好沿途哪裡能補水,只帶夠走到下一個水源的量。Luis 笑著說自己第一次背了六升水上山。

範本 2:單人或獨白單集

單人單集沒有換人,所以結構靠小標題和段落,而不是說話者標籤。

EXAMPLE (fictional show)

Trailhead Radio, Episode 59: Reading a Trail Map
Speaker: Mia Chen. Transcript style: clean verbatim.

Introduction

Today is a short one. I want to walk you through the three things I
check on a trail map before every hike, in the order I check them.

1. Contour lines

The closer the lines, the steeper the ground.

2. Water sources

Note the distance between the blue symbols along the route.

[Sponsor message]

3. Exit points

Find at least one way off the trail before the halfway mark.

譯註:第 59 集《怎麼看步道地圖》,Mia 獨白,按順序講徒步前看地圖的三件事:等高線(越密越陡)、水源(留意路線上藍色標記之間的距離)、撤離點(走到一半之前至少找好一條下撤路線);中間插了一段贊助商口播。

範本 3:帶時間戳記的逐字稿

適用於讀者需要快速找到某個片段的長訪談。每次換人打一個時間戳記,或者每隔幾分鐘打一個,就足夠了。

EXAMPLE (fictional show)

Trailhead Radio, Episode 58 (running time 41:20)

[00:00] [theme music]

[00:12] Mia Chen: Welcome back to Trailhead Radio. Today I'm talking
to ranger Luis Ortega about first overnight trips.

[00:21] Luis Ortega: Thanks for having me. The big mistake is weight.

[03:47] Mia: Let's talk about food. How much do people overpack?

[03:52] Luis: Almost always by a full day. [laughs]

[17:05] [inaudible 17:05] Luis: ...and that's why I carry a paper map.

譯註:同一集(長度 41:20)的帶時間戳記版本:開場音樂、主持人介紹、嘉賓說最大的錯誤是帶太重;03:47 聊食物,嘉賓說大家幾乎總會多帶一整天的量;17:05 有一處聽不清,之後嘉賓說「……所以我總帶一張紙質地圖」。

超過一小時的單集,把小時也寫上([01:03:47]),讓每個時間戳記格式一致。

範本 4:長單集的分章節逐字稿

章節能幫讀者和讀屏軟體用戶在長對話裡快速跳轉。W3C 的建議是,在標題能讓逐字稿更好用的地方加上標題。

<!-- EXAMPLE (fictional show) -->

## Transcript: Packing for a First Overnight Hike

**Episode 58 · Host: Mia Chen · Guest: Luis Ortega · Clean verbatim**

### Chapter 1 (00:00): Why first trips go wrong

**Mia Chen:** Welcome back to Trailhead Radio...

**Luis Ortega:** The big one is weight...

### Chapter 2 (03:47): Food and water

**Mia:** Let's talk about food...

### Chapter 3 (17:05): Navigation without a signal

**Luis:** I always carry a paper map...

### Resources mentioned

- [Link to the park's trail conditions page]

譯註:分章節版:第 1 章(00:00)新手第一次為什麼容易出問題;第 2 章(03:47)食物和水;第 3 章(17:05)沒信號時怎麼導航;最後是「節目中提到的資源」,放公園步道狀況頁面的連結。

章節時間和節目簡介裡的保持一致,兩邊清單才對得上。

Podcast 逐字稿檔案格式:VTT、SRT、JSON 和 HTML

帶時間軸的檔案比閱讀版規則更嚴。下面用同一段虛構對話分別示範。

WebVTT(.vtt):最穩妥的時間軸檔案

VTT 檔案以 WEBVTT 開頭,毫秒前用句點,可以用 voice 標籤寫說話者名字。Apple 表示,提供 VTT 檔案就能標出每行的說話者,之後在它的逐字稿視圖裡,每次換人都會顯示名字。

WEBVTT

00:00:12.000 --> 00:00:17.400
<v Mia Chen>Welcome back to Trailhead Radio.

00:00:17.400 --> 00:00:21.000
<v Mia Chen>Today I'm talking to ranger Luis Ortega.

00:00:21.000 --> 00:00:24.800
<v Luis Ortega>Thanks for having me.
The big mistake is weight.

譯註:三條字幕:Mia Chen 說「歡迎回到 Trailhead Radio」「今天我和護林員 Luis Ortega 聊聊」;Luis Ortega 說「謝謝邀請。最大的錯誤是帶太重。」<v 名字> 就是 voice 標籤。

Podcasting 2.0 文件建議 VTT 每行不超過 65 個字元,這樣檔案也能當字幕用。

SRT(.srt):備選方案

SRT 給每條字幕編號,毫秒前用逗號,沒有 voice 標籤。Podcasting 2.0 文件定了一套 Podcast 用的 SRT 規範:每條字幕最多兩行,每行最多 32 個字元,換人時另起一條,開頭寫名字加冒號。

1
00:00:12,000 --> 00:00:15,000
Mia: Welcome back
to Trailhead Radio.

2
00:00:21,000 --> 00:00:24,800
Luis: Thanks for having me.
The big mistake is weight.

譯註:同一段對話的 SRT 版:第 1 條 Mia 說「歡迎回到 Trailhead Radio」,第 2 條 Luis 說「謝謝邀請。最大的錯誤是帶太重。」名字直接寫在文字裡。

剛接觸 SRT?我們的講解文章《什麼是 SRT 檔案》會逐行講解。

JSON 和 HTML(Podcasting 2.0)

規範裡還定義了兩種不太常用的格式。JSON 存一個規範 version 和一個 segments 數組;每個片段帶 speaker、startTime、endTime 和 body 字段,每個詞一個片段就能實現逐詞高亮。HTML 適合時間資訊很少或沒有的逐字稿:說話者名字放在 <cite> 裡,開始時間放在 <time> 裡,內容放在 <p> 裡。規範稱它為低精度格式,定位是無障礙輔助和可搜尋文字。

怎麼把逐字稿加進 RSS feed(Podcasting 2.0 標籤)

Podcast App 通過每集 <item> 裡的 <podcast:transcript> 標籤找到你自己的逐字稿。大多數托管平台在你附加檔案時會自動寫好這個標籤,所以手動改 feed 之前,先看看托管平台的後台。

根據官方標籤文件:

  • url(必填):逐字稿檔案的地址。
  • type(必填):MIME 類型。文件列出的有 text/plain、text/html、text/vtt、application/json 和 application/x-subrip(SRT)。
  • language(可選):不寫的話,App 預設用 feed 裡 <language> 元素的語言。
  • rel="captions"(可選):告訴 App 這個檔案是帶時間碼的隱藏式字幕,不管它的 MIME 類型是什麼。
  • 可以寫多個標籤,所以每種格式可以各提供一個檔案。
<!-- EXAMPLE: one episode offering three transcript files -->
<rss version="2.0" xmlns:podcast="https://podcastindex.org/namespace/1.0">
  <channel>
    <language>en</language>
    <item>
      <title>Packing for a First Overnight Hike</title>
      <podcast:transcript url="https://example.com/ep58/transcript.vtt"
                          type="text/vtt" />
      <podcast:transcript url="https://example.com/ep58/transcript.srt"
                          type="application/x-subrip" rel="captions" />
      <podcast:transcript url="https://example.com/ep58/transcript.html"
                          type="text/html" />
    </item>
  </channel>
</rss>

譯註:範例:一集同時提供三個逐字稿檔案,分別是 VTT、SRT(標為 captions)和 HTML。

有個容易漏掉的細節:逐字稿格式文件指出,瀏覽器裡的播放器要從別的網站加載檔案,檔案所在伺服器需要設定 CORS 頭。如果 Apple 上能看到逐字稿、網頁播放器卻沒有,先查這一點。

Apple Podcasts、Spotify 和 YouTube 的逐字稿要求

三個平台都接受帶時間軸的檔案,但獲取方式各不相同。以下細節在 2026 年 11 月逐一對照各平台幫助頁面核實過。

平台 接受的檔案 檔案怎麼傳上去 注意事項 官方來源
Apple Podcasts VTT 或 SRT RSS 逐字稿標籤;訂閱者單集可在 Apple Podcasts Connect 直接上傳 必須選擇 "Display transcripts I provide";支援 11 種語言 Apple Podcasts for Creators
Spotify VTT 或 SRT,最大 5MB 在 Spotify for Creators 上傳(限符合條件的節目) 開啓自動生成逐字稿會替換你上傳的檔案 Spotify for Creators 幫助中心
YouTube SRT、VTT 及其他字幕格式 YouTube Studio → Subtitles → Upload file SRT 必須是純 UTF-8,不能帶標記 YouTube 幫助
其他 App 視 App 而定 RSS 逐字稿標籤 不是每個 App 都讀取這個標籤 Podcasting 2.0 文件

Apple Podcasts

  • Apple 會為新單集自動生成逐字稿。要顯示你自己的,在 Apple Podcasts Connect 裡節目的 Availability 標籤頁修改逐字稿設定,或者給單集用自定義設定。
  • 逐字稿在 iOS 17.4 或更高版本上可用,支援英語、丹麥語、荷蘭語、芬蘭語、法語、德語、意大利語、挪威語、葡萄牙語、西班牙語和瑞典語。其他語言,Apple 建議在節目簡介裡放逐字稿連結。
  • 檔案必須是 VTT 或 SRT,沒有拼寫和標點錯誤,並且覆蓋單集的所有片段。不符合 Apple 品質標準的檔案不會顯示。
  • 動態插入音訊改動過的片段 Apple 不顯示,歌詞也不顯示,超過 10 小時的單集可能不會轉錄。
  • App 會把你的檔案標為 "Provided by",它自己生成的標為 "Automatically generated"。

Spotify

  • 不是每位創作者都能用逐字稿功能。如果你的節目符合條件,進入 Episodes,選中單集,點 Details,再點 Transcripts 下的 Edit。在這裡可以下載 Spotify 生成的 VTT,改好後上傳你自己的檔案。
  • Spotify 要求 VTT 或 SRT,最大 5MB,並且要有時間戳記,沒有時間戳記播放時逐字稿就不會同步。
  • 有一個叫 Distribute transcripts across other platforms via RSS 的設定,會把逐字稿放進你的 feed,供其他 App 使用。

YouTube

YouTube 上的影片 Podcast 用的是普通字幕軌。在 YouTube Studio 裡選 Subtitles,選中影片,加入語言,然後點 Upload file,選 With timing 或 Without timing。YouTube 幫助頁面建議,影片超過一小時或音質較差時,不要依賴不帶時間的逐字稿,而大多數完整單集都屬於這種情況,所以請上傳帶時間軸的 SRT 或 VTT 檔案。

無障礙:WCAG 對 Podcast 逐字稿有什麼要求

本節為一般性資訊,不構成法律建議。某項法律是否適用於你的節目,取決於你所在的國家和機構。

《Web 內容無障礙指南》(WCAG)把 Podcast 視為純音訊媒體。根據成功標準 1.2.1,預錄的純音訊內容需要提供文字替代,並且要「呈現同等資訊」。W3C 的逐字稿指南還補充:預錄音訊的逐字稿屬於 A 級要求,而直播純音訊內容的逐字稿屬於 AAA 級。

這對格式意味著:

  • 同等就是完整。 包含全部話語和有意義的聲音,而不是摘要。
  • 必須是真正的文字, 這樣讀屏軟體、盲文顯示器和搜尋工具才能用。
  • 要容易找到。 W3C 建議把逐字稿或它的連結放在媒體旁邊,通常放在同一個頁面。
  • 字幕檔案不等於閱讀版逐字稿。 如果從 SRT 或 VTT 起步,要把零碎的字幕條合併成段落,W3C 自己的範例就是這麼做的。

Podcast 逐字稿對 SEO 有幫助嗎?

有可能,但別亂承諾。各來源的原話是這樣的:

  • W3C 指出,給逐字稿加標題和連結能讓它更好用,「也有助於 SEO」。
  • Spotify 表示,逐字稿幫助它理解一檔節目講什麼,並支撐章節、嘉賓和話題標籤等發現功能(Spotify for Creators)。
  • Apple 讓聽眾在單集裡搜尋某個詞或短語,點一下文字就能從那裡開始播放。

這些都沒有承諾排名會更高。發布逐字稿,是因為它讓更多人能用上這集內容;帶來的流量算是額外收穫。

怎麼用 whispertranscribe.ai 製作 Podcast 逐字稿

whispertranscribe.ai 是一個基於 OpenAI Whisper 模型、在瀏覽器裡使用的轉錄工具。它把單集變成文字,可以匯出成上面提到的格式。在網頁瀏覽器裡就能用,不用安裝 App。

  1. 開啟Podcast 逐字稿產生器,從 130 多種語言 中選擇使用的語言。錄音質量差的話,很多語言都有 Noise / Low-Quality Audio/Video 選項;單集裡來回切換語言的,可以用 Multilingual Mix 選項。
  2. 加入單集。 上傳音訊或影片檔案(MP3、WAV、M4A、MP4 等),每個檔案最大 5GB、10 小時。也可以用 Transcribe from URL,它接受 YouTube、Vimeo、Google Drive 和 Dropbox 連結。那個頁面沒有列出 Apple Podcasts 或 Spotify 連結,也沒有列出 RSS feed,所以純音訊單集請從托管平台或剪輯軟體裡匯出檔案再上傳。
  3. 訪談和圓桌節目開啟 Speaker Detection。
  4. 檢查初稿。 清晰音訊的準確率最高可達 99%,但搶話、人聲下墊音樂、噪音和濃重口音都會拉低準確率。重點核對人名、數字,以及每次換人後的第一句。
  5. 按去向匯出需要的格式: 單集頁面和節目簡介用 TXT 或 DOCX,Apple Podcasts、Spotify 和 YouTube 用 VTT 或 SRT,需要的話再匯出 PDF 或 CSV。

如果匯出檔案用的是通用標籤,發布前用查找替換改成真實姓名。要給片段做字幕,AI 字幕產生器有每條字幕最多字數的設定,純音訊檔案可以用 MP3 轉 SRT。訪談為主的節目,可以看看免費訪談轉錄。想先把檔案變小?用音訊與影片轉 MP3。

你可以不註冊帳號直接開始;免費使用目前包含什麼,以那個頁面為準。付費方案 from $9.99/month billed annually(價格)。所有工具都列在功能頁面上。

Podcast 逐字稿發布清單

  • 標籤、方括號和時間戳記統一一套寫法,並在開頭說明
  • 每位說話者都標了名字,拼寫和單集介紹一致
  • 人名、數字和品牌詞都對照音訊核對過
  • 閱讀版發布在播放器旁邊,或者從播放器處有連結
  • 時間軸檔案存為 UTF-8,副檔名是 .vtt 或 .srt,不是 .vtt.txt
  • VTT 以 WEBVTT 開頭;SRT 時間戳記用逗號
  • 檔案覆蓋整集,包括片頭和片尾
  • RSS 標籤的 type 正確,檔案 URL 能公開開啟
  • Apple 已設為 "Display transcripts I provide"
  • Spotify 上傳檔案小於 5MB,自動生成逐字稿保持關閉
  • 發布 24 小時後,在每個 App 裡檢查過上線的單集

常見問題排除問題:Podcast 逐字稿格式

你看到的現象 可能原因 解決辦法
Apple 仍把逐字稿標為 "Automatically generated" 逐字稿設定沒改 為節目或單集選擇 "Display transcripts I provide"
Apple 上完全沒有逐字稿 語言不支援、開啓了限制的 explicit 單集,或發布不到 24 小時 檢查語言和 explicit 設定,然後等一天
Apple 上缺了部分內容 轉錄後動態插入的音訊改動了內容 屬於正常情況;在你的網站上保留完整文字
Apple 上沒有說話者名字 檔案是 SRT,或沒有 voice 標籤 匯出 VTT 並加上 <v Name> 標籤
Spotify 拒絕上傳 檔案類型不對或超過 5MB 匯出 VTT 或 SRT;精簡過長的字幕文字,或把備注拆出去
Spotify 逐字稿不跟著音訊走 檔案裡沒有時間戳記 上傳帶時間軸的 VTT 或 SRT,不要用 TXT
在 Spotify 上傳的檔案不見了 開啓了自動生成逐字稿 關掉後重新上傳
網頁播放器什麼都不顯示,Apple 正常 檔案所在伺服器缺少 CORS 頭 讓托管平台或 CDN 允許跨域請求
帶重音的字母顯示亂碼 檔案沒存成 UTF-8 用純文字編輯器重新存為 UTF-8
讀者覺得頁面難讀 直接把字幕檔案貼成了逐字稿 把字幕條合併成段落,加上說話者標籤

更多字幕檔案問題的解決辦法,見我們的《匯出 SRT 字幕》指南。

常見問題

Podcast 逐字稿最好用什麼格式?

其實有兩個「最好」,一個給人看,一個給 App 用。給讀者,用清潔逐字版文字,每次發言前寫說話者名字,換人就另起一段,聲音放在方括號裡。給 Podcast App,用帶時間軸的 WebVTT 檔案,Apple Podcasts 和 Spotify 都接受,Podcasting 2.0 文件也推薦在只能支援一種格式時選它。SRT 可以作為備用。

Podcast 逐字稿要帶時間戳記嗎?

時間軸檔案必須有,閱讀版只需要少量。Spotify 表示,上傳的逐字稿沒有時間戳記,播放時就不會同步;Apple 要求 VTT 或 SRT,這兩種都帶時間。在網頁上,W3C 的建議是只在有用時才加時間戳記。每次換人或每個章節打一個時間戳記,讀者能找到片段,正文也不會亂。

Spotify 接受什麼格式的 Podcast 逐字稿?

Spotify 接受最大 5MB 的 VTT 或 SRT 檔案,在 Spotify for Creators 裡單集的 Details 和 Transcripts 部分上傳。檔案需要有時間戳記,否則播放時不會同步。不是每位創作者都能用逐字稿功能,所以你的節目可能看不到這個選項。如果之後開啓 Spotify 自動生成逐字稿,它會替換你上傳的檔案。

怎麼把逐字稿加進 Podcast 的 RSS feed?

在單集的 item 元素裡加一個 podcast:transcript 標籤,寫上檔案 URL 和 MIME 類型,比如 WebVTT 用 text/vtt,SRT 用 application/x-subrip。可以為不同格式加多個標籤,加 language 屬性,帶時間軸的字幕檔案用 rel="captions"。大多數 Podcast 托管平台在你附加逐字稿時會自動寫這個標籤,所以先看看托管平台後台。

Podcast 出於無障礙需要逐字稿嗎?

按照 WCAG,Podcast 單集這類預錄純音訊內容,需要能呈現同等資訊的文字替代,W3C 把它列為 A 級,也就是最基本的符合等級。WCAG 對你的節目是否有法律強制力,取決於你的國家、行業和機構。這是一般性資訊,不構成法律建議,請查看適用於你的規定。

能把 SRT 或 VTT 檔案變成好讀的逐字稿嗎?

能。刪掉字幕編號和時間行,把零碎的字幕行合併成段落,每次換人就另起一段。把 VTT 的 voice 標籤改成「名字加冒號」,有意義的方括號聲音保留。W3C 自己的範例也是這麼做的,把幾行字幕合成逐字稿的一段。


準備好排版下一集了嗎? 上傳到 whispertranscribe.ai Podcast 逐字稿產生器,用 130 多種語言、帶說話者辨識,匯出 TXT、DOCX、VTT 或 SRT。

相關指南:什麼是 SRT 檔案? · 怎麼匯出 SRT 字幕 · 怎麼把 MP3 轉成文字 · 字幕 vs 隱藏式字幕

參考資料

想把錄音轉成文字嗎?

使用 whispertranscribe.ai 轉錄音訊和影片。

開始轉錄 ↗