逐字稿怎麼寫？3種格式範例＋5款AI工具完整攻略
逐字稿怎麼寫？逐字稿的寫法，核心只有一條規則：說話者說什麼，你就記什麼，一字不漏，不加修飾。
很多人以為把內容整理得清楚流暢就算完成，但這正是最常見的錯誤——逐字稿的職責是忠實還原，不是詮釋或優化。格式選錯、語氣詞處理不當、聽不清楚時擅自填詞，都會讓一份逐字稿在學術或法律場景中失去效力。
從格式規範、逐句記錄技巧、到 AI 工具如何幫你把效率提升一倍，這篇文章會帶你從頭到尾走一遍。
逐字稿是什麼？和一般筆記有什麼不同
很多人第一次接到「請幫我做逐字稿」的需求，腦中第一個反應往往是：「這不就是把內容抄下來嗎？」但實際上，逐字稿的要求遠比一般筆記嚴格，也有它特定的規格與用途。理解兩者的差異，是學好逐字稿的第一步。
逐字稿的應用場景相當廣泛，從學術研究的訪談記錄、法律庭審記錄，到媒體採訪、Podcast 文字稿、企業會議存檔，都有它的身影。不同場景對逐字稿的要求或許略有差異，但核心精神始終一致：忠實還原說話者的原始語言。
逐字稿的定義與格式規範
逐字稿（Verbatim Transcript）的核心定義，是將語音內容「一字不漏」地轉換為文字，包含說話者的每一個字、詞、乃至語氣詞。與其說是「整理」，不如說是「還原」——任務不是讓內容看起來更好，而是讓讀者透過文字，彷彿親耳聽見當下的對話。
在格式規範上，一份標準逐字稿通常包含幾個固定元素：說話者標記（例如「訪談者：」、「受訪者：」）、時間戳記（在較長的錄音中每隔一段時間標示）、以及完整的標點符號。部分嚴謹的學術或法律用途，還會進一步要求標記停頓秒數、笑聲、嘆氣等非語言聲音。
在台灣常見的使用情境中，學術論文的訪談逐字稿與新聞採訪稿對格式的嚴格程度較高，Podcast 或 YouTube 影片的文字版則相對彈性——重點在可讀性，而非每一個「嗯」、「啊」都必須保留。了解文件的使用目的，才能決定要做到哪個精細程度。
逐字稿 vs 摘要稿 vs 重點整理，差在哪？
這三種文件類型經常被混為一談，但它們在目的與寫法上有根本差異。
| 類型 | 核心目標 | 保留原話？ | 主觀整理？ | 適用情境 |
|---|---|---|---|---|
| 逐字稿 | 忠實還原語音 | ✅ 完整保留 | ❌ 不加入 | 學術研究、法律、訪談存檔 |
| 摘要稿 | 濃縮重點內容 | 部分保留 | ✅ 有取捨 | 媒體報導、簡報摘要 |
| 重點整理 | 提煉行動結論 | ❌ 改寫為主 | ✅ 大量整理 | 會議記錄、工作交接 |
摘要稿允許刪去贅詞、重組句子，讓內容更流暢；重點整理則進一步濃縮，只留下「結論」與「行動項目」。逐字稿的不同之處在於，幾乎沒有詮釋的空間——說話者說什麼，就記什麼。
這個差異在實務上相當關鍵。把逐字稿寫成摘要稿的風格，可能在學術引用或法律文件中引發問題，因為原始語境與細節已被改動。反過來，若將一份會議記錄做成完整逐字稿，讀起來會極為冗長，也失去了快速掌握決議的功能。選對文件形式，才能真正服務到使用需求。
逐字稿怎麼寫？完整步驟教學（新手必看）
知道逐字稿是什麼之後，更關鍵的問題來了：實際動手要怎麼做？很多新手碰到的第一個困境，不是不知道規則，而是「一邊聽一邊打字，完全跟不上語速」。這一節從準備工作開始，帶你建立一套高效的逐字稿工作流程。
逐字稿是一項需要耐心與專注力的工作，但透過正確的方法可以大幅提升效率。一個熟練的逐字稿工作者，平均處理 1 分鐘的錄音大約需要 4 到 6 分鐘的文字工作；新手如果方法不對，可能需要超過 10 分鐘。方法對了，效率可以提升一倍以上。
準備工作：工具與環境設置
在開始打字之前，先把工具和環境準備到位，可以避免許多中途卡關的狀況。以下是建議的準備清單：
播放工具選擇：
- VLC 播放器（免費）：支援幾乎所有音訊與影片格式，可精細調整播放速度，是最多人使用的選項
- Audacity：適合純音檔處理，可視覺化波形，方便定位特定段落
- YouTube 內建播放器：若來源是 YouTube 影片，可直接在設定中調整速度，不需額外安裝工具
播放速度設定：
- 建議從 0.75 倍速開始，等熟悉說話者口音與語速後，逐步調整到 0.85–0.9 倍速
- 不要強迫自己以正常速度進行，這只會讓你不斷停下來重播，反而更費時
硬體輔助（進階建議）：
- 搭配**腳踏板（Foot Pedal）**這類硬體工具，可用腳控制播放暫停，雙手不離鍵盤，對於長時間作業的使用者效率提升明顯
工作環境設置：
- 選擇安靜、不容易被打擾的空間
- 戴上耳機，尤其是有降噪功能的款式，可大幅提升辨識每個字的成功率
- 若有雙螢幕，一個放播放器、一個放文字編輯軟體，省去頻繁切換視窗的時間
聆聽與逐句記錄技巧
逐字稿的工作節奏，大致是「播放 → 暫停 → 打字 → 播放」的循環。以下是幾個實際執行時的關鍵技巧：
逐句記錄的基本流程：
- 播放一個「完整語意單位」——可能是一句完整的話，或一個自然停頓處
- 暫停播放，立刻將剛才聽到的內容打出來
- 確認文字後，繼續播放下一段
- 重複以上步驟，每次播放段落不宜過長，否則容易記不住細節
遇到聽不清楚時的處理方式：
- 第一步：將播放速度調慢，重新聆聽同一段落
- 若重聽兩到三次仍無法辨別，在該處標記
[unclear]或[聽不清楚] - 繼續往下進行，待全文完成後統一回頭確認標記處
- 切勿擅自猜測或填入「看起來合理」的內容——這個習慣在學術與法律場景尤其重要
台灣情境的特殊狀況：
- 閩南語夾雜：事先與委託方確認是否要轉為對應漢字，或以括號標注（例如：「甲你講（跟你說）」）
- 英文術語混用：確認保留原文或翻譯，整份文件保持一致
- 以上細節若事前未釐清，可能導致整份逐字稿需要重做，在開始工作前花五分鐘確認規格，往往能省下幾個小時的修改時間
標點、停頓、語氣詞怎麼處理？
標點符號是逐字稿中最常引發疑惑的部分。基本原則是按照說話者的自然停頓與語意斷句來加標點，而非套用書面文法規則。說話者問句結束時語調上揚，就加問號；語氣明顯加強，可考慮加驚嘆號。
語氣詞的處理方式，因使用場景而異：
| 場景 | 處理方式 | 說明 |
|---|---|---|
| 學術訪談逐字稿 | 完整保留所有語氣詞 | 「嗯」「啊」「就是說」本身即為分析素材 |
| Podcast / 影片文字稿 | 採「清潔版」（Clean Verbatim） | 去除明顯填充詞，提升可讀性 |
| 企業會議記錄 | 視情況適度保留 | 保留立場性語氣詞，去除無意義重複 |
停頓的標記方式同樣依情境有所差異：
- 學術逐字稿：使用「（停頓 2 秒）」這樣的括號標記，明確記錄時間長度
- 一般用途：以破折號「——」或刪節號「……」呈現明顯停頓即可
最重要的原則是：在開始做逐字稿之前，就決定好格式規範，並從頭到尾貫徹執行。 格式一旦中途改變，不僅讓後續使用者困惑，也會大幅增加自己的修改成本。
逐字稿常見格式範例（直接套用）
光看規則有時還是抽象，實際看到範例才知道怎麼套用。以下提供三種台灣最常見的逐字稿情境，可依照自己的需求直接參考格式並調整。
訪談逐字稿範例
學術或媒體訪談的逐字稿，通常需要清楚標示說話者身份與時間戳記。以下是一個學術訪談的格式範例：
訪談逐字稿 受訪者：陳小明（化名） 訪談日期：3 月 15 日 訪談者：林研究員
[00:00:12] 訪談者： 可以請你說說，你第一次開始使用這個服務是什麼時候嗎？
受訪者： 嗯……大概是，去年年底吧。那時候是因為工作上的需要，就是說，我們部門開始有一些遠距的合作，然後主管就叫我們去試看看。
[00:00:35] 訪談者： 那你第一印象怎麼樣？
受訪者： 其實剛開始滿困惑的（笑），因為介面對我來說不是很直覺。但是用了大概一個禮拜之後就好很多了。
這個格式的核心要點是：每次說話者切換時另起一行，語氣詞與笑聲要保留並標記，時間戳記建議每 30 秒至 1 分鐘標記一次，方便日後查找特定段落。
會議記錄逐字稿範例
企業會議的逐字稿通常採用「清潔版」格式，去除過多語氣詞，但仍保留發言者的完整意思與原始措辭。以下是一個簡化的會議逐字稿片段：
部門週會逐字稿 日期：4 月 2 日（三）14:00–15:30 與會者：張經理、李副理、王企劃、陳工程師
張經理： 好，我們先來討論 Q2 的預算分配。上週財務那邊有回來說，整體預算比原本預估少了大概 15%，所以我們需要重新評估每個項目的優先順序。
李副理： 瞭解。那我想先確認一下，這個削減是指整個部門的預算，還是只有行銷這一塊？
張經理： 是整個部門，不過財務說研發這塊因為有既有合約在，應該影響比較小。主要是行銷和人力這兩個項目需要調整。
會議逐字稿的重點在於完整記錄每位發言者的立場與說法，因為這往往是後續追究決議責任的依據。即使是「清潔版」，也不能改變說話者的意思，只能刪去明顯的填充詞與重複說法。
Podcast / 影片逐字稿範例
內容創作者做 Podcast 或 YouTube 影片的逐字稿，通常目的是轉製成部落格文章或字幕素材，格式上因此最為彈性，以可讀性為最高優先。
《職場小週報》EP.88 逐字稿片段
主持人 Wendy 說，很多人在職場上最怕的，不是工作量太多，而是不知道怎麼說「不」。她分享了一個親身經歷的案例：有一次主管臨時交辦一個完全沒有餘裕處理的任務，她第一個反應是沈默，然後說「我試試看」。
但「試試看」這三個字，在職場上幾乎等同於「我會做」的承諾。Wendy 後來用了一個技巧——先說「謝謝你想到我」，接著說明自己目前的狀況，最後提供一個替代方案，比如建議由誰負責、或者延後兩週再處理。
這種格式已接近部落格文章的寫法，但仍保留了主持人的口語語氣與說話風格，讓讀者感受到聲音內容的溫度。對內容創作者來說，這樣的逐字稿既可以直接發布，也可以作為 SEO 文章的素材基礎。
用 AI 工具自動產生逐字稿，效率翻倍
手動打逐字稿雖然精準，但時間成本相當高。近幾年 AI 語音轉文字的技術進步迅速，許多工具的準確率已相當驚人，也讓逐字稿的工作效率出現了結構性的改變。對於有大量逐字稿需求的人來說，選對 AI 工具是降低工作負擔最直接的方法。
不過，AI 工具並不是萬能的。不同工具在中文辨識、多人對話識別、專業術語辨別，以及多語言支援上的表現差距很大。了解各工具的優缺點與適合場景，才能做出符合自己需求的選擇。
推薦台灣人常用的逐字稿工具
以下整理台灣用戶最常使用的幾款 AI 逐字稿工具，並納入對台灣使用者特別有參考價值的比較維度：
| 工具 | 語言支援 | 中文準確率 | 多人對話 | 翻譯功能 | 適合族群 | 費用 |
|---|---|---|---|---|---|---|
| AfterClass | 99 種語言 | ⭐⭐⭐⭐⭐ | ✅ | ✅ 原文＋翻譯對照 | 學生、上班族、創作者 | 訂閱制 |
| Otter.ai | 英文為主 | ⭐⭐⭐ | ✅ | ❌ | 英文會議為主 | 免費版有限制 |
| Whisper（OpenAI） | 99 種語言 | ⭐⭐⭐⭐⭐ | ❌（需自行整合） | ❌ | 技術使用者 | 開源免費 |
| Notion AI | 多語言 | ⭐⭐⭐ | ❌ | ✅ | Notion 重度使用者 | 需訂閱 Notion AI |
| Clova Note（NAVER） | 中、英、日、韓 | ⭐⭐⭐⭐ | ✅ | ❌ | 有日韓文需求者 | 免費版有限額 |
🎓 AfterClass
AfterClass 是目前針對中文使用情境整合度最高的選項之一，特別適合台灣用戶。它底層採用 OpenAI Whisper API，支援 99 種語言，中文辨識準確率極高，同時提供三種彈性的輸出格式：
- 📝 原文模式： 完整保留外語逐字稿，適合需要對照原文的語言學習者或需要核對術語的專業人士
- 🌏 翻譯模式： 直接輸出純繁體中文版本，適合快速閱讀與製作中文會議記錄
- 🔄 對照模式： 原文與翻譯並排呈現，讓使用者在閱讀翻譯的同時，隨時可以核對原始語言的準確性
這個對照模式是 AfterClass 與其他工具最明顯的差異點——多數工具只提供翻譯結果，但 AfterClass 同時保留原文，讓語言學習者能對照原文理解，也讓需要確認專業術語的上班族有所依據。
👨🎓 學生族群的使用情境：
- 上完 60 分鐘的線上課程後，上傳音檔至 AfterClass
- 幾分鐘內取得完整文字稿
- 用關鍵字搜尋特定段落，快速定位想複習的內容
- 考前閱讀文字版，效率遠高於重看影片
💼 上班族的使用情境：
- 英文會議錄音後直接上傳
- 系統自動轉錄並翻譯為繁體中文
- 使用對照模式確認專業術語是否正確
- 整理成會議記錄後分享給團隊成員
🎥 內容創作者的使用情境：
- 將 Podcast 或 YouTube 影片音檔上傳
- 下載文字版稿件
- 稍作編輯後直接發布為部落格文章或字幕素材
- 一份錄音內容轉化為多種形式，擴大內容觸及範圍
優點：
- 中文辨識準確率業界領先
- 三種輸出格式滿足不同需求
- 操作流程簡單，不需技術背景
- 適合長達 60 分鐘以上的錄音處理
缺點：
- 採訂閱制，有一定費用門檻
- 目前不支援即時（Real-time）轉錄
- 較適合事後上傳音檔，不適用需要同步轉錄的場景
🎤 Otter.ai
Otter.ai 是英文市場使用最廣泛的 AI 逐字稿工具之一，支援即時轉錄功能，可在會議進行中同步生成文字稿，並自動識別不同說話者。
優點：
- 即時轉錄，適合現場會議同步記錄
- 多說話者自動識別，準確率在英文環境下相對穩定
- 可與 Zoom、Google Meet、Microsoft Teams 整合
缺點：
- 中文辨識準確率明顯低於英文
- 翻譯功能較為有限，不支援原文對照輸出
- 免費版有時數與功能限制，進階功能需付費訂閱
適合場景： 全英文的國際商務會議、英語授課的線上課程，以及需要即時轉錄的場合。對台灣用戶而言，若工作內容以英文為主，Otter.ai 是值得考慮的選項；若需要中文或多語言支援，則建議選擇其他工具。
⚙️ Whisper（OpenAI 開源模型）
Whisper 是 OpenAI 釋出的開源語音辨識模型，支援 99 種語言，在多語言辨識準確率上屬於業界頂尖水準。AfterClass 等工具的底層即採用 Whisper 作為辨識引擎。
優點：
- 開源免費，無使用次數或時數限制
- 多語言辨識準確率極高，包含中文
- 可自行在本地端部署，資料不需上傳至雲端，隱私保護度高
缺點：
- 需要具備一定技術能力才能自行架設與使用
- 無內建使用者介面，操作須透過指令列（Command Line）或自行開發前端
- 不提供翻譯、多說話者識別、或格式化輸出等進階功能
適合場景： 具備技術背景的開發者、需要高度客製化的企業內部系統、或對資料隱私有嚴格要求的使用情境。一般使用者若無技術背景，建議直接選用已整合 Whisper 的商業工具（如 AfterClass），會更加省時省力。
📝 Notion AI
Notion AI 的語音轉文字功能是整合在 Notion 筆記系統內的附加功能，並非獨立的逐字稿工具。對於原本就大量使用 Notion 管理工作與知識的人來說，它提供了一定程度的便利性。
優點：
- 直接在 Notion 工作區內完成錄音轉錄，不需切換工具
- 生成的文字稿可立即連結 Notion 的其他頁面與資料庫
- 支援多語言翻譯功能
缺點：
- 需訂閱 Notion AI 方案，在既有 Notion 費用上額外付費
- 中文辨識準確率與專門逐字稿工具相比仍有差距
- 不支援複雜的多說話者識別，較適合個人使用或單一說話者的錄音
適合場景： 已深度使用 Notion 的個人工作者或小型團隊，且逐字稿需求以個人學習筆記或單人錄音為主。若逐字稿是工作核心需求，獨立的專用工具在準確率與功能上通常更有優勢。
🗂️ Clova Note（NAVER）
Clova Note 是韓國網路巨頭 NAVER 推出的 AI 筆記工具，在日文與韓文的語音辨識上表現突出，同時支援中文與英文，並具備多說話者識別功能。
優點：
- 日文與韓文辨識準確率在同類工具中表現較佳
- 支援多說話者自動識別，適合多人會議場景
- 免費版提供一定額度，入門使用門檻較低
缺點：
- 介面以韓文為主，對台灣用戶使用上略有門檻
- 不提供翻譯功能，純轉錄而無對照輸出
- 免費版有月使用時數限制，大量使用需付費
適合場景： 工作上需要頻繁處理日文或韓文錄音的台灣用戶，例如與日韓客戶開會、學習日韓語課程、或整理日韓語 Podcast 內容。若工作語言以中文與英文為主，其他工具在整體使用體驗上通常更合適。
AI 生成後，哪些地方一定要人工校對？
很多人以為 AI 生成逐字稿之後就大功告成，但這個認知容易讓人在最關鍵的地方出錯。AI 工具即使準確率再高，仍有幾個固定的「高錯誤率區域」，這些地方是人工校對時必須花心力確認的。
第一個高風險區：專有名詞與品牌名稱
AI 模型在辨識人名、地名、公司名稱、產品名稱時，很容易出現發音相近但文字錯誤的狀況。例如「台積電」可能被辨識成「台積點」，英文名稱也可能被轉成發音相似的中文詞語。這類錯誤若出現在正式文件中，屬於事實性錯誤，必須逐一核對，不能依賴 AI 自行判斷。
第二個高風險區：說話者切換點
當多人同時說話、或說話者快速交替時，AI 很容易把兩個人的話混在一起，或者張冠李戴。校對時需要特別注意每一個說話者標記是否正確，尤其是對話中出現立場矛盾的地方，往往就是辨識錯誤所在的位置。
第三個高風險區：台灣特有的語言習慣
這包含閩南語夾雜、英文口音的中文詞彙，以及各行業的專業術語。AI 工具在這些地方的表現通常不穩定，需要根據上下文判斷並手動修正。
人工校對的最有效方式：
- 一邊播放錄音，一邊對照 AI 生成的文字逐行確認
- 不要純粹閱讀文字稿——很多錯誤在閱讀時感覺通順，但一聽錄音馬上就能發現
- 遇到有疑問的地方先標記，全文校對完後再統一核實
- 專有名詞建議另外建立一份「術語核對表」，確保整份文件用詞一致
逐字稿寫完後的整理與應用技巧
完成逐字稿只是第一步，如何讓這份文件真正發揮價值，才是更值得思考的問題。一份原始逐字稿往往只是「素材」，需要根據不同的使用目的，進行不同程度的後處理。
對於學術研究者來說，完成逐字稿後最重要的步驟是建立索引。將訪談中出現的關鍵詞、主題，以及受訪者的特定立場整理成一份索引表，方便日後在撰寫論文時快速找到對應的引用段落。許多質性研究工具（如 NVivo、ATLAS.ti）也支援直接匯入逐字稿文字進行編碼分析，與逐字稿的銜接相當直接。
對於企業會議記錄，逐字稿完成後通常需要進一步萃取成「會議決議」與「行動項目」。一個可行的工作流程是：先完成完整逐字稿並妥善存檔，再從中提取關鍵決議另存為摘要版本。兩份文件各司其職，前者作為爭議時的原始依據，後者作為日常工作的參考。
對於內容創作者而言，逐字稿是最具彈性的內容資源。一集 Podcast 的完整文字稿，可以改寫成部落格文章、拆分成社群媒體短文、製作成影片字幕，或作為後續 SEO 文章的關鍵字素材。這種「一份錄音、多種內容」的策略，在創作資源有限的情況下能有效提升產出效率。
另一個常被忽略的應用是搜尋與複習。文字版的最大優勢，是可以直接用關鍵字定位特定內容，不需要像重看影片那樣線性地消耗時間。這在學習大量課程或需要頻繁回顧訪談內容的工作情境中，是節省時間的關鍵能力。
逐字稿常見錯誤與地雷，避開才專業
不管是新手還是有一定經驗的人，逐字稿工作中都有幾個反覆出現的常見錯誤。提前了解這些地雷，可以少走很多彎路，也更容易交出符合專業標準的成果。
最常見的錯誤：擅自「修飾」說話者的語言
很多新手覺得把說話者的文法錯誤或口語化說法「改正」是好意，但在逐字稿的工作中，這是原則性的錯誤。說話者說「他說他說那個東西不是他的」，就要照樣記錄，不能改成「他表示該物品並非其所有」。保留原始語言，是逐字稿存在的核心意義。
第二個常見錯誤：格式不一致
前半段用「受訪者：」，後半段改成「A：」；前半段的時間戳記用 [00:05:30]，後半段改成 （5分30秒）。這種格式不一致的問題，在文件較長時特別容易出現，也讓後續使用這份逐字稿的人感到困惑，無論是研究者還是剪輯師都一樣。解決方法是在開始工作前建立一份格式模板，並嚴格套用到整份文件。
第三個地雷：「聽不清楚」的處理方式錯誤
遇到聽不清楚的地方，許多人會選擇「猜一個感覺合理的詞」填進去。在一般筆記場景或許影響有限，但在學術訪談或法律文件中，這樣的猜測可能構成事實上的偽造。正確做法始終是標記 [unclear]，讓有能力確認的人（例如受訪者本人或委託方）來核實，而不是由逐字稿工作者自行填補。
最後一個容易忽略的問題：隱私與版權保護意識
逐字稿的內容往往包含敏感資訊，包括商業機密、個人隱私，乃至受著作權保護的內容。在處理、儲存和分享逐字稿時，需要依照委託方的要求做好保密措施，也要確認逐字稿的使用方式是否符合受訪者的同意範圍。這既是法律層面的基本義務，也是身為專業逐字稿工作者應有的倫理意識。
結論
逐字稿的核心，從來不是打字速度，而是對「忠實還原」這個原則的理解與執行。格式統一、聽不清楚就標記、不擅自修飾說話者的語言——這三件事做到位，就已經超過大多數新手的水準。
工具的選擇則取決於你的使用情境。如果你的音檔是純中文、且需要即時轉錄，Otter.ai 或 Clova Note 會是較直接的選擇。如果你卡在格式規範不知道從何設定，先確認文件用途再決定精細程度，是最不容易走冤枉路的做法。
如果你需要同時取得外語原文逐字稿與繁體中文翻譯對照，上傳音檔到 AfterClass 後幾分鐘內就能輸出原文、翻譯、對照三種格式，特別適合外語課程、英文會議或 Podcast 整理這類需求。
