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。
- 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。
- 生成初稿:每段錄音選對語言、開啟說話者辨識後再上傳。
- 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 |
| 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
- 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(定性資料分析:轉錄資料)
- International Rescue Committee. Qualitative Data Transcription and Translation, IRC Research Toolkit(定性資料轉錄與翻譯)(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. 文字資料匿名化
- UK Data Service. 資料管理:工具和範本
