清理式逐字轉錄：實用指南

你眼前開著一份逐字稿，而它正如實呈現原始語音的樣貌。講者開始一個想法，卻中途放棄；繞回原來的話題；重複某個片語；並在身後留下串串填充詞。這樣的逐字稿也許忠實於錄音，但不一定忠實於你需要用它完成的工作。

這正是 clean verbatim transcription 發揮作用的地方。它位於這個光譜的中間，在保留講者原意的同時，去除那些拖慢讀者理解速度的雜訊。這項技能並不是讓口語變得更優美，而是判斷哪些雜訊可以刪去，同時不改變紀錄。

為什麼原始逐字稿會拖慢讀者閱讀速度

研究人員打開一份自動產生的訪談檔案，很快就發現了問題。其中一位參與者說：「我，呃，我想，我想我們，我們也許應該，嗯，選第二個方案」，接著在句子中途停下來，又重新開始。第二位講者重複了相同的片語，而時間戳的偏移幅度剛好足以讓這段內容更難找到。

客戶通話、團隊會議和行銷審查也會發生同樣的事。原始逐字稿保留了錄音內容，但頁面讀起來仍像是在聽人說話，而不是一份人們可以快速瀏覽的文件。如果你的工作是引用、比較、標記主題或分享筆記，你最後會花兩次時間：一次建立逐字稿，另一次讓它變得真正可用。

實用規則： 只有在人類能比播放原始音訊更快地瀏覽逐字稿時，逐字稿才真正有用。

口語和閱讀需要不同的形式。口語包含重新開始、重疊說話和口頭贅詞。書面語言則需要刪除足夠多的這類內容，同時保留完整意思，讓視線移動時不會被每個錯誤開頭絆住。從這個角度來看，乾淨逐字稿是在可讀性與忠實度之間做選擇，而 AI 工作流程也會改變這條界線應該落在哪裡。這份語音轉文字工作流程概覽，以及語音轉文字工作流程概覽，展示了擷取階段如何融入更廣泛的流程。

對研究人員和行銷人員而言，痛點是一樣的。你不只是需要文字內容，也需要一種能讓你搜尋、引用、檢視和採取行動的形式，而不必先與逐字稿搏鬥。

「清理式逐字轉錄」實際上代表什麼

清理式逐字轉錄保留說話者的意思和措辭，但會移除不具語意價值的機械性雜音。目標很簡單，就是不失真的可讀性。這表示你要保留實際想法、限定語、保留語氣，以及說話的語調，同時清除只會讓頁面更難閱讀的填充詞、說到一半的開頭、重複內容和片段。

哪些內容會移除，哪些內容會保留

清理式逐字稿不是摘要。它不會改述，也不會把某人從未使用過的說法改寫成精雕細琢的文章。它只是刪減會拖慢讀者閱讀速度的說話習慣。一個實用的比喻是窗戶：景色保持不變，但污痕消失了。

一個簡短的例子能讓界線更清楚：

原始談話：「我的意思是，我當時，呃，有點在想我們應該、應該可能延後，因為那些數字還沒準備好。」

清理式逐字稿：「我有點在想我們應該可能延後，因為那些數字還沒準備好。」

第二個版本表達的是同一件事。它只是移除了不會改變訊息的雜亂內容。這項區別在字幕製作、研究筆記和檔案保存中都很重要，因為讀者需要一份忠實的紀錄，同時又能流暢閱讀。若你想了解如何將口語素材轉成易讀的逐字稿，這份影片逐字稿寫作指南會是很實用的補充。

清理式逐字轉錄也處於另外兩種極端之間。完整逐字轉錄會保留每一次停頓和結巴。編輯後的散文則會更積極地修順語言，可能逐漸變成口語內容的書面版本，而不再是口語本身。清理式逐字轉錄讓你在貼近原文的同時，也讓頁面更實用。

實際界線

判斷清理式逐字轉錄最簡單的方法是：如果刪除某個詞會改變說話者的意思，就保留它。如果它只會改變句子的流暢程度，那麼通常可以刪除。這項測試能讓工作保持嚴謹，也能防止逐字稿變成重新改寫的版本。

乾淨逐字稿與完整逐字稿

當你將這兩種風格並列比較時，差異很快就會顯現。完整逐字稿保留講者的口語行為，而乾淨逐字稿則移除雜訊，保留溝通意圖。

比較的重點並不是說某一種風格在所有情況下都比較好，而是它們服務於不同的閱讀任務。當口語的確切節奏很重要時，完整逐字稿會有所幫助。當讀者需要順暢閱讀內容，不想在每一次猶豫時都卡住，乾淨逐字稿則更有幫助。

乾淨版本絕不能改變講者的意思。如果改變了，就表示編輯已經越界。

逐字稿主管通常會用同一個問題檢查每一行：這個詞是否承載意義，還是只屬於說話的運作機制？正是這個問題，區分了清理與改寫。

清理逐字稿的機械規則

這些規則比許多人想像的更為狹窄。清理逐字稿會移除沒有承載意義的 填充詞，例如「嗯」、「呃」和「你知道」，刪除明顯的起話失誤，合併重複的詞語，並保留會改變解讀的內容。數字、姓名、技術術語和領域術語都維持原本的說法，除非有明確的轉錄錯誤需要修正。

移除與保留的內容

以下是最簡單版本的規則。

當你記住標點符號可以修正，但語氣不應被改寫時，清理界線就更容易掌握。破碎的句子可以變得易讀，但不應突然聽起來像是另一個人寫的。如果原始講者聽起來隨意、謹慎或不確定，清理後的逐字稿也應該保有這種感覺。

時間戳記和講者標籤也需要保持一致。一項清理逐字稿指南建議在每次講者變更時加入時間戳記，這能幫助聽眾快速回到錄音中的相應位置。另一份轉錄指南則建議，大多數訪談每隔 30 到 60 秒加入時間戳記，但重點是一樣的：時間戳記是為了支援核對，而不是裝飾頁面（時間戳記指南）。

若要採用實際的編輯工作流程，這份清理逐字稿資源很有參考價值，因為它反映了相同的理念：移除雜亂內容、保留意義，並維持時間結構。

一條規則測試

如果刪除某個詞會改變講者的確定程度、強調或意圖，就應該保留它。這就是整個測試的一句話版本。它能防止初級轉錄員把逐字稿「改善」成更容易閱讀、卻較不忠於原始對話的內容。

在乾淨逐字稿、編輯稿與智慧逐字稿之間做選擇

適合的風格取決於誰會閱讀，以及他們會如何使用內容。當文字將被引用、搜尋、編碼或封存時，乾淨逐字稿最為合適。編輯稿更進一步，讀起來更像經過潤飾的文章；智慧逐字稿則介於兩者之間，在不完全重寫談話內容的情況下，讓部分不流暢之處更順暢。

決策規則很簡單。如果逐字稿可能會被引用或分析，就應盡量貼近乾淨逐字稿。如果讀者只需要流暢的敘事內容，就可朝編輯稿靠近。如果工作需求介於兩者之間，智慧逐字稿通常是合理的選擇。

會議內容就是一個實用例子。團隊可能需要確切的決策、負責人與承諾，但不需要保留會議室中的每一次猶豫。在這種情況下，智慧逐字稿通常能發揮良好作用；而針對使用者行為的研究訪談，通常則需要乾淨逐字稿更高的忠實度。對於正在比較工作流程選項的團隊而言，這個 AI 會議記錄工具頁面 是一個實用的參考，因為它處於相同的使用情境範圍。

快速選擇篩選器

開始之前，先問自己三個問題。

• 有人會引用這段內容嗎？ 如果會，請更接近乾淨逐字稿。
• 有人會像閱讀文件一樣快速瀏覽這段內容嗎？ 如果會，編輯稿可能更適合。
• 這段內容會用於分析或作為證據嗎？ 如果會，請保留更多原始談話內容。

這個選擇能節省後續時間。開始時就符合使用情境的逐字稿，通常在最後需要的返工會更少。

實用的 AI 輔助清理工作流程

粗略的逐字稿只是起點。AI 可以快速起草，但初稿仍會受到講者口音、錄音品質，以及所擷取內容類型的影響而有所變化。一項調查研究發現，Whisper 產出的逐字稿中，有 72.5% 完美或近乎完美、22.3% 存在小幅差異或輕微錯誤，以及 5.2% 品質不足或有重大錯誤；而 Google 的 API 在相同類別中的比例則為 36.7%、43.3% 和 20.0%。這些結果說明了乾淨逐字稿所要求的取捨：保留足夠的原始語音以維持意思，然後只刪減會增加閱讀難度的雜亂內容。

六步驟的審閱節奏

1. 啟用講者分離功能，上傳來源音訊。 講者分離能在開始任何文字清理前，為你提供更乾淨的基礎。
2. 產生接近乾淨逐字稿的初稿，而不是完整逐字稿。 第一版應該讀起來像工作副本，而不是法庭紀錄。
3. 檢查專有名詞、領域術語和多語言片段。 AI 經常會把重要的名稱和術語順帶修飾掉。
4. 逐段套用清理規則。 以相同方式處理每個區塊，讓逐字稿維持一致的語氣。
5. 在低信心片段中，對照音訊播放器檢查時間戳記。 當輸出看起來不確定時，應以錄音內容決定哪些資訊保留。
6. 匯出兩種格式，一種用於媒體，另一種用於分析。 帶有時間戳記的 .srt 或 .vtt 檔案適合字幕；乾淨的 .docx 或 .md 檔案則更方便審閱和編碼。

{% youtube id="GNc6uJk3dP0" /%}

如果速度是工作流程的一部分，這份關於如何提升 AI 處理速度的指南很適合搭配轉錄流程使用。只有在審閱步驟維持嚴謹時，更快的處理速度才有幫助。

匯出前的最終檢查

• 講者標籤保持一致。
• 詞彙表符合專案術語。
• 朗讀檢查聽起來仍像原始講者。
• 在錄音轉換主題或講者的位置，時間戳記彼此對齊。

強大的 AI 輔助工作流程不會取代判斷力。它會為你提供更好的初稿，接著讓你把注意力放在最重要的地方。

清理變得有風險或不恰當的情況

更乾淨不一定更好。在某些情境中，刪除遲疑或重新開始的部分，會抹去讀者需要的意義。因此，應將 clean verbatim 視為預設做法，而不是一成不變的教條。

在質化研究中，停頓可能表示思考、不適或不確定。如果訪談者正在研究人們如何做決策，這些停頓可能和前後的話語一樣重要。在法律和證詞記錄的情境中，每一句話都可能因意圖而受到檢視，因此過度編輯可能帶來比清晰度更大的風險。在調查報導中，口吃或自我更正可能正是讓引言具備相關性的原因之一。

如果刪除某個詞會改變讀者對說話者心理狀態的看法，就保留該詞。

這項原則也出現在關於 clean verbatim 和編輯過的逐字稿的指南中；該指南警告不要改寫、錯誤歸因或刪除有意義的對話。對於高風險出版而言，一項實用的提醒是：逐字稿應保存紀錄，而不只是呈現 polished 的外觀（clean 與 edited 指南）。

另一份關於 verbatim 與 clean verbatim 差異的參考資料也提出了相同的注意事項；在法律程序和需要精確細節的使用情境中，嚴格準確性更加重要（verbatim 與 clean verbatim 比較）。在這些情境中，遺漏一次遲疑或弱化一次打斷，都可能改變日後對陳述的解讀方式。

對於對引言或權利特別敏感的檔案，這份版權申訴資源 很有參考價值，因為它與同一個問題密切相關：對來源內容進行多少修改，仍算忠實於原文？答案取決於使用情境，而不是某項通用的清理規則。

匯出前檢查清單與決策規則

在儲存任何內容之前，先問自己五個問題。受眾是誰？ 後續用途是什麼？ 這是證據用途還是法律用途？ 需要多少詳細程度？ 時間戳記是否必要？ 這些答案會決定是否適合使用乾淨逐字稿，或是需要保留更多原始發言內容。

內容完整性

• 所有講者是否都有一致的標記？
• 專有名詞的拼寫是否符合專案詞彙表？
• 數字、日期與技術術語是否依照口述內容保留？
• 非英文術語是否保持原樣，除非工作流程要求翻譯？

結構完整性

• 時間戳記是否與講者變更或所選間隔一致？
• 段落分隔是否放在主題轉換處，而非隨意切分？
• 標題或講者標籤的格式是否從頭到尾一致？
• 逐字稿讀起來是否仍像一段連貫的對話？

格式完整性

• 檔案是否以受眾需要的格式匯出？
• 交付管道是否支援所選的時間戳記樣式？
• 命名慣例是否清楚，足以避免版本混淆？
• 傳送前，存取設定或分享控制項是否正確？

對於字幕製作與影片再利用，這份 YouTube 字幕產生器資源 自然適用於相同的決策流程，因為字幕格式取決於時間安排與可讀性是否協調運作。乾淨逐字稿在這裡很有幫助，但前提是匯出結果符合最終平台的要求。

乾淨逐字稿是一種服務層級，而不是品質徽章。目標不是打造最流暢的散文，而是提供工作所要求的精確可讀形式。如果逐字稿將被閱讀、引用、審閱或發表，適當的清理程度就是能保留意義、僅移除雜訊的程度。

---

如果你想要一套在保持意義完整的同時，讓文字更容易使用的逐字稿工作流程，請造訪 transcript.im，並在下一次的訪談、會議或影片檔案中試用。它專為將語音轉換成乾淨、附有時間戳記的文字而打造，讓你能從原始音訊轉換為易讀的逐字稿，同時保留仍然需要的結構。