質性研究訪談轉錄:如何製作可供分析的逐字稿

作者:whispertranscribe.ai 編輯團隊 · 最後更新:2026 年 11 月 · 閱讀約 13 分鐘

可以,AI 能做質性研究轉錄,但只能當初稿。上傳訪談,分開說話者,匯出文字,然後邊聽完整錄音邊改。只有研究者對照音訊核對過、按研究的轉錄規則處理過、刪掉了可辨識身份的資訊之後,轉錄稿才算得上資料。

下面依次講:怎麼選轉錄風格、七步工作流程、一份可直接複製的校對清單、匿名化和倫理的基本要求(附官方出處),以及匯出格式怎麼選。

簡短回答:質性研究轉錄能用 AI 嗎?

能,前提是把輸出當原材料。AI 初稿省掉的是打字,省不掉聽。

  1. 先定轉錄規則:逐字還是精簡逐字,說話者怎麼標,停頓和聽不清的詞怎麼記。
  2. 生成初稿:每段錄音選對語言、開啟說話者辨識後再上傳。
  3. 核對、匿名化,再分析:對照音訊改初稿,把人名換成程式碼,把處理好的檔案匯入分析軟體。

上傳任何可辨識身份的內容之前,先確認你的倫理審批和知情同意書涵蓋了這個工具。

你的研究需要哪種轉錄風格?

按分析方法選風格,而不是按哪種最快。研究人們「怎麼想」的主題分析,通常用乾淨一些的文字就夠;研究人們「怎麼說」的,每一次遲疑都得留著。

在一篇被廣泛引用的論文裡,Oliver、Serovich 和 Mason(2005)把轉錄看作兩種模式之間的一條連續譜。自然化(naturalism) 盡可能詳細地記錄每一句話。去自然化(denaturalism) 會修正語法,去掉結巴、停頓這類訪談噪音,並把非主流口音標準化。作者沒有說哪種更好。他們的觀點是:這個選擇會影響研究發現,也會影響參與者被如何呈現,所以應在開始轉錄前認真決定。比如他們討論過要不要在轉錄稿裡保留某位參與者的方言,因為對方可能會在成員核查(member checking)時讀到。

風格 保留什麼 去掉什麼 AI 初稿需要你做什麼
完整逐字(自然化) 每個詞、語氣詞、說錯重來、重復、笑聲,以及標註出的停頓 凡是能聽到的都不去掉 把初稿抹平的語氣詞和重來部分補回去;手動插入停頓和笑聲標記
精簡逐字(去自然化) 所有有意義的詞,保持說話者原本的說法 語氣詞、結巴、大部分重復 統一去掉語氣詞;絕不要「糾正」參與者的語法或用詞
詳細的會話分析標註 計時停頓、重疊、重音、語調 什麼都不去掉 初稿只當詞表用;標註要手工做
編輯稿或摘要 要點 凡是閱讀時不需要的 這不算轉錄稿;大多數定性方法不會把它當資料

不管哪種風格,就算你分析的是乾淨版,也要保留一份沒動過的逐字母本,並把規則寫成一份簡短的規範。正如伊利諾伊大學圖書館指南所說,轉錄本身就是一種分析:你寫下了什麼,決定了你之後能發現什麼。

一頁紙轉錄規範(可複製後修改)

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 + 研究者校閱:7 步工作流程

第 1 到 4 步只佔你幾分鐘注意力。真正花時間的是第 5 步,這也理所應當。

第 1 步:為轉錄稿錄音,而不只是給自己聽

對初稿品質影響最大的就是音訊是否清晰。錄音設備放得離參與者比離你近,選安靜的房間,先試錄十秒。遠端訪談在參與者同意後,用通話平台內建的錄製功能,或瀏覽器裡的螢幕和音訊錄製工具。線下訪談手邊只有筆記型電腦的話,線上錄音機可以一次完成錄音和轉錄。

第 2 步:每段訪談單獨上傳

在網頁瀏覽器裡開啟訪談轉錄頁面,上傳前先選好所說的語言。一段訪談一個檔案,資料集更整齊。whispertranscribe.ai 是一款網頁版 AI 轉錄工具,能把音訊和影片轉成文字,支援 130 多種語言;它接受最大 5GB、最長 10 小時的檔案,常見格式如 MP3、WAV、M4A 和 MP4 都可以。如果錄音已經在 Google Drive 或 Dropbox 裡,可以通過從 URL 轉錄直接貼上連結,不用先下載。

第 3 步:開啟說話者辨識

開啟 Enable Speaker Detection,讓初稿把對話按輪次分開。這一點在質性研究裡比幾乎任何情境都重要:把參與者的話記到訪談者頭上,是資料錯誤,不是筆誤。要預料到有些歸屬需要改,尤其是大家搶話或兩個人聲音很像的時候。

第 4 步:匯出初稿

下載一份 DOCX 或 TXT 工作副本用來編輯。把它標成初稿(v1),免得有人誤拿去編碼。後面的格式指南會講哪種匯出格式適合哪項工作。

第 5 步:對照音訊修改初稿

開啟轉錄稿,把整段錄音聽一遍,文字和音訊對不上的地方就停下。先改說話者標籤,再用查找替換改反復聽錯的詞,然後從頭到尾順聽一遍。凡是你可能引用的段落都播放一遍。語音辨識可能會漏掉或抹平語氣詞和重來的部分,所以如果你的規範是完整逐字,別以為初稿已經是了。

第 6 步:另存一份做匿名化

把改好的檔案存為 v2,再建一個 v3 做匿名化。用統一的描述詞替換人名和可辨識身份的細節,並在日誌裡記錄每一處改動(見下面的匿名化部分)。檔案匯出後,在你自己的編輯器裡離線完成這一步。

第 7 步:匯入分析軟體

把匿名化版本匯入你的定性資料分析軟體;如果手工編碼,就放進文件或表格裡。whispertranscribe.ai 不直接對接 NVivo、ATLAS.ti、MAXQDA 或其他分析軟體;你需要匯出檔案、自己匯入。請查看所用軟體的匯入指南,瞭解它支援哪些格式、怎麼讀取說話者姓名。

改好的轉錄稿長什麼樣(範例)

下面三個版本是為說明而編寫的,不是真實訪談或測試的輸出。它們展示了第 5 步和第 6 步會做哪些改動。(範例轉錄內容保留英文原文,因為改動涉及英文語氣詞和口語寫法。)

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].

從 v1 到 v2,語氣詞和說錯重來的部分補回來了,標出了一處停頓,"because" 改成了參與者實際說的 "'cause",通用標籤換成了研究程式碼。這些都不改變大意,但都可能影響分析。

訪談轉錄稿校對清單

每份轉錄稿進入分析前都用這張清單過一遍。它可以直接複製進表格或實驗室手冊。

檢查項 看什麼 怎麼改 完成
說話輪次 台詞記到了錯的人頭上;同一個人被拆成兩個標籤 每次換說話者時聽一下;合併或重新標註 ☐
說話者程式碼 通用標籤或標籤裡出現真實姓名 按規範換成 I、P01、P02 ☐
風格一致 有的地方保留語氣詞,有的地方刪了 全文統一執行規範規則 ☐
參與者措辭 初稿「糾正」了語法或方言 恢復音訊裡聽到的原話 ☐
關鍵術語 聽錯的行話、地名、產品或機構名 建一份術語表;用查找替換改,再抽查 ☐
數字 年齡、年份、金額、數量 逐個對照音訊;數字很容易聽錯 ☐
否定詞 漏掉或多出 "not"、"never"、"didn't" 意思取決於否定詞的句子都播放一遍 ☐
重疊說話 搶話被並進了一個人的台詞 拆開輪次並標註重疊 ☐
聽不清的段落 猜的詞被當成確定的寫進去 標為聽不清或不確定,並注明時間 ☐
非語言線索 笑聲、長停頓、會改變意思的情緒 如規範要求,加方括號注釋 ☐
寫作要引用的話 任何你可能引用的段落 播放兩遍,逐字確認 ☐
身份資訊 遺留的人名、工作單位、城鎮、少見細節 留到匿名化步驟處理;每處改動都記錄 ☐

質性研究轉錄要花多久、花多少錢?

手工轉錄每小時音訊要花好幾個小時;有了 AI 初稿,大部分時間轉到了核對上。國際救援委員會(International Rescue Committee)研究工具包估計,轉錄一小時錄音需要 3 到 10 小時,取決於詳細程度、熟練度和音訊品質。

下面用一個範例研究算一筆賬。校閱時間是為說明而做的假設,不是實測資料;請給自己的第一段訪談計時,再調整。

範例研究:20 段訪談 × 60 分鐘 = 20 小時音訊 自己打字 AI 初稿 + 完整校閱
每小時音訊耗時 3 到 10 小時(IRC 估計) 假設校閱 1.5 到 3 小時
研究者總耗時 60 到 200 小時 30 到 60 小時

如果要完整聽一遍,校閱不可能比錄音本身更快,所以每段訪談至少按錄音長度來預留時間。錄音嘈雜、搶話多、要求完整逐字,都會把你推向區間上限。whispertranscribe.ai 方案按年付費費每月 $9.99 起(from $9.99/month billed annually);做課題經費預算前,請到該頁面查看當前的分鐘數和條款。

AI 轉錄、人工轉錄服務、自己轉錄:怎麼選

每條路都有適用的情境。選哪條取決於預算、時間線,以及你想和資料貼得多近。

因素 AI 初稿,你來校閱 人工轉錄服務 你從頭自己轉錄
你的時間 中等:認真聽一遍加修改 一開始少,但仍應抽查 最多
成本 訂閱或按量付費 通常按音訊分鐘計費;現金成本最高 沒有現金成本
交付時間 幾分鐘出初稿 常常要幾天,視服務商和訂單而定 整個研究要幾周
與資料的貼近程度 高,因為你全部聽過 較低,除非你校閱 最高
還有誰接觸音訊 工具提供方及其列出的資料處理方 服務商員工,通常簽有保密協議 沒有別人
最適合 大多數音訊清晰的訪談研究 有經費的大項目,或研究者實在抽不出時間 小樣本、會話分析、高度敏感的資料

whispertranscribe.ai 只屬於第一列。它是自動化工具,不提供人工轉錄或人工校對。

匿名化、知情同意和倫理審查

本節是一般性資訊,不是法律建議。實際規則以你所在機構的 IRB 或研究倫理委員會,以及參與者簽署的知情同意為準。

拿到涵蓋該工具的同意和審批

把可辨識身份的錄音上傳到任何線上服務之前,先確認獲批的研究方案和知情同意書允許這樣做。在美國,Common Rule 的 45 CFR 46.116 要求知情同意資訊中說明可辨識記錄的保密會維持到什麼程度。HHS 人類研究保護辦公室(Office for Human Research Protections)把知情同意指南集中放在一處。其他國家和機構有各自的規則,請問你的倫理辦公室適用哪些。

倫理辦公室可能會問的轉錄工具相關問題:

  • 音訊在哪裡處理,哪些第三方會經手?
  • 錄音和轉錄稿保留多久,誰能刪除?
  • 內容會不會用來訓練 AI 模型,或者有人工查看?
  • 資料在傳輸和存儲時怎麼保護?

用描述詞匿名化,別直接留空

UK Data Service 關於文字資料匿名化的指南建議:用化名或有意義的標籤統一替換直接標識符,把過於精確的細節泛化,並保留一份匿名化日誌。它提醒,只刪名字通常不夠,因為小社區裡一份少見的工作或一條詳細的時間線仍可能暴露身份。匿名化過度也是風險:滿篇 "X" 的轉錄稿會丟掉分析需要的上下文。同一份指南還建議在本地運行匿名化工具,而不是放在外部伺服器上。UK Data Service 還免費提供轉錄範本和轉錄員保密協議。

一份簡單的日誌,和匿名化檔案分開保存:

轉錄稿 原內容(安全保存) 替換為 原因
P07 參與者經理的名字 [manager 1] 直接標識符
P07 家鄉城市 [city in Northern England] 地點可能縮小身份範圍
P07 入職年份 [year] 和職位結合可能辨識出本人

whispertranscribe.ai 隱私權政策怎麼說

以下是 whispertranscribe.ai 隱私權政策的內容,讀取於 2026 年 11 月。上傳的原始音訊和影片檔案在處理完成後自動刪除。處理過程中提取的 MP3 檔案預設保留 30 天,除非你提前刪除。轉錄稿會一直留在你的帳戶裡,直到你刪除;刪除是永久的,沒有備份。錄音和轉錄稿不用於訓練 AI 模型,政策寫明沒有人工審查。資料傳輸時用 TLS 1.3 保護,存儲時用 AES-256 加密。政策列出 OpenAI 為位於美國(U.S.A.)的 AI 服務提供方,你的倫理辦公室可能會想知道這一點。whispertranscribe.ai 不聲稱擁有 HIPAA、GDPR 或 SOC 2 認證;如果你的研究要求經認證的服務商或在本國境內處理,請選擇符合要求的服務。

研究者應該用哪種匯出格式?

whispertranscribe.ai 可匯出 DOCX、PDF、TXT、CSV、SRT 和 VTT。按下一步要做什麼來選。

格式 在研究項目裡的用途
DOCX 在文字處理軟體裡修改和匿名化;用修訂模式給第二位核對者看;作為文件匯入分析軟體
TXT 最簡單、最通用的副本,適合存檔或偏好純文字的工具
CSV 在表格裡逐行審閱片段,或按說話者排序快速統計輪次
PDF 匿名化後,給參與者審閱(成員核查)或導師看的固定版本
SRT 或 VTT 分析影片時用的帶時間碼文字,或想在播放器裡在轉錄稿和錄音之間跳轉

多語言和跨文化訪談的轉錄

先按實際說的語言轉錄,再翻譯。IRC 工具包認為先用源語言轉錄、再翻譯是最佳做法,因為這樣在分析時可以一直對照原文核查譯文。

whispertranscribe.ai 支援 130 多種語言。訪談頁面的語言清單包含地區變體,比如 Spanish (Latin America) 和 French (Canada),很多語言還有 "Noise / Low-Quality Audio/Video" 模式,適合田野錄音。對於參與者來回切換語言的訪談,Multilingual Mix 選項覆蓋 English、Spanish、French、German、Hindi、Russian、Portuguese、Japanese、Italian 和 Dutch 的混合。需要一份英文工作副本時,另行把音訊翻譯成英文,並把源語言轉錄稿作為主要資料保留。

清晰音訊下準確率最高可達 99%,但背景噪音、濃重口音和語碼轉換都會降低準確率。凡是非英語或混合語言的訪談,都要多留校閱時間,並請母語流利的人核對你打算引用的段落。

常見問題

質性研究訪談可以用 AI 轉錄嗎?

可以,只要研究者對照錄音核對每一份轉錄稿。AI 能很快生成帶說話輪次和時間戳記的初稿,省掉大部分打字。但它仍可能聽錯人名、數字和行話,把話記到錯的人頭上,還可能漏掉規範要求保留的語氣詞。把初稿當工作副本,邊聽完整音訊邊改,分析前再做匿名化。

AI 轉錄的準確度夠直接引用原話嗎?

不核對不夠。即使音訊清晰,聽錯一個詞也可能改變引文的意思;背景噪音、口音、搶話和專業詞彙都會拉低準確率。whispertranscribe.ai 在清晰音訊上最高可達 99%,但那是最好的情況,不保證你的錄音也能達到。凡是打算引用的段落,寫進論文或報告前至少播放兩遍,逐字確認。

定性訪談應該用完整逐字還是精簡逐字轉錄?

根據分析方法來定。如果研究的是人們怎麼說話,比如話語分析或會話分析,就用完整逐字,保留停頓和語氣詞。如果關注的是人們說了什麼,比如很多主題分析研究,可以用精簡逐字,但要保留參與者自己的措辭。Oliver、Serovich 和 Mason(2005)建議在轉錄前認真做出決定。很多研究者會保留一份逐字母本,分析時用乾淨一些的副本。

用線上轉錄工具需要 IRB 批准嗎?

通常你的倫理審批和知情同意書需要涵蓋錄音的處理方式,包括任何第三方服務。要求因機構和國家而異,所以上傳可辨識身份的音訊前,先問你的 IRB 或研究倫理委員會。準備好這些問題的答案:資料在哪裡處理、保留多久、是否用於訓練 AI 模型、誰能訪問。本文是一般性資訊,不是法律建議;以你所在機構的規則為準。

轉錄一小時的訪談要多久?

根據國際救援委員會研究工具包,手工打字大約需要 3 到 10 小時,取決於詳細程度和音訊品質。用 AI 初稿的話,初稿本身很快,你的時間花在校閱上:至少是錄音長度,因為你得全部聽一遍,再加上停下來修改的時間。給第一段訪談計時,再用這個數字規劃研究的其餘部分。

定性分析軟體應該匯出什麼格式?

把訪談作為文件匯入時,通常選 DOCX 或 TXT;先修改和匿名化的話,DOCX 最方便。CSV 適合用表格編碼,分析影片時 SRT 或 VTT 有幫助。whispertranscribe.ai 這些格式都能匯出,但不直接對接 NVivo、ATLAS.ti 或 MAXQDA,請查看所用軟體的匯入指南,確認支援哪些格式。

把下一段訪談變成核對過的轉錄稿

在 whispertranscribe.ai 的訪談轉錄頁面上傳錄音,開啟說話者辨識,匯出 DOCX 初稿,再對照音訊修改。想先用一個檔案試試初稿品質,可以用無需註冊帳戶的免費頁面;網站上會顯示免費能轉錄多少。要錄研討課或小組討論?講座和研討課轉錄頁面步驟相同,其他功能見功能清單。

相關指南:Whisper 有多準、怎麼錄製通話、美國各州通話錄音法律。

參考資料

  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(定性資料分析:轉錄資料)
  3. International Rescue Committee. Qualitative Data Transcription and Translation, IRC Research Toolkit(定性資料轉錄與翻譯)(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. 文字資料匿名化
  7. UK Data Service. 資料管理:工具和範本

想把錄音轉成文字嗎?

使用 whispertranscribe.ai 轉錄音訊和影片。

開始轉錄 ↗