采访录音转文字：带时间戳的访谈逐字稿，从上传到引用原话

2026年10月4日 · Neugence · 约 6 分钟阅读

做毕业论文的质性访谈、写一篇人物稿、跑一轮用户研究，最后都会卡在同一件事上：手里有十几个小时的录音，却要一个字一个字地听写。按常见的经验，一小时录音手工整理要四到六个小时，而且整理完的文字和录音是分开的，写到一半想确认“这句话受访者原话是怎么说的”，又得回去拖进度条。这篇文章讲的是另一种做法：把采访录音文件直接上传，拿到每一行都带时间戳的逐字稿，点任意一行就从那一秒开始回放；再用摘要、章节和 AI 对话，把要引用的原话连同时间一起找出来。

Have a recording like this? Packs from $4, credits never expire → timestamps, overview. Summary free to read.

先说结论：五步拿到一份能引用的访谈逐字稿

  1. 一场访谈一个文件。文件名用受访者编号和日期，例如 P03_0912.m4a，不要用真实姓名。
  2. 在电脑上上传到 Whipscribe 首页。上传后填写邮箱，大约每小时音频两分钟左右出稿。
  3. 先读摘要和章节。对照访谈提纲，确认每个问题大概在第几分钟被谈到。
  4. 在 AI 对话里按主题找原话。要求只引用原话、每条附时间戳，点时间戳回放核对。
  5. 导出存档。逐字稿下载为 DOCX 或 TXT；让 AI 把引文整理成 Excel 表，文件出现在资源里。

为什么时间戳对访谈特别重要

会议录音整理的是结论，访谈整理的是原话。论文里的引文、稿件里的直接引语、研究报告里的用户原声，都要经得起追问：“他真的这么说了吗？上下文是什么？”没有时间戳的逐字稿只能回答前半个问题，有时间戳的逐字稿两个都能回答，因为每一句都能在几秒内回到录音里重听。

时间戳还让引用格式变得简单。很多质性研究会在引文后标注受访者编号和位置，例如“（P07，00:42:15）”；记者核实引语时，也可以把时间点发给编辑，让对方自己去听。带时间戳的逐字稿，就是一份自带索引的原始资料。

详细步骤

第一步：整理录音文件

访谈结束后，把录音从手机、录音笔或线上访谈软件里导出来。一场访谈保持一个完整文件，不要为了上传方便自己切分：切开之后时间戳会从零重新开始，引用位置就对不上了。

第二步：上传并等待转写

建议在电脑上操作：大文件上传更稳定，后面一边听一边核对也更方便。在首页把文件拖进上传区，上传后填写邮箱，之后用这个邮箱找回逐字稿。普通话在支持的 99+ 种语言之内，一场 90 分钟的访谈通常几分钟就能看到结果。可以一次把几场访谈都传上去，再回来逐个处理。

第三步：先读摘要和章节，再读逐字稿

打开逐字稿后，先看智能分析页：摘要概括这场访谈的主线，章节把一个半小时切成几个话题并标出起始时间，关键原话列出最值得引用的几句。把章节和你的访谈提纲放在一起看，就能很快知道“受访者在第 38 分钟开始谈第一份工作”“家庭话题在 1:05 才出现”，后面细读时直接跳到对应位置。

第四步：核对逐字稿里容易出错的地方

点击逐字稿的任意一行，录音就从那一秒开始播放。不需要把整场访谈从头听一遍，重点核对四类内容：人名和地名、机构和产品名称、行业术语、受访者口音较重或语速很快的段落。凡是准备写进论文或稿件的句子，都值得回放听一次。核对要改的地方，下载 DOCX 后在 Word 里修改即可。

第五步：在 AI 对话里按主题找原话

AI 对话会读完整份逐字稿再回答，答案里的时间戳是按钮，点一下就从那一秒开始播放。找引文时，关键是要求它“只用原话”，并附上时间：

受访者在哪些地方谈到了收入不稳定？请逐条引用原话，不要改写，每条附时间戳。

受访者前后有没有说法不一致的地方？比如对同一件事给出了不同的时间或评价，请列出两处原话和各自的时间戳。

把这次访谈里与“家庭支持”“平台规则”“职业打算”三个主题相关的原话整理成 Excel 表：主题、原话、时间戳。

第二条对质性研究和新闻采访都很有用：受访者前后矛盾的地方，往往正是值得追问或需要在文中说明的地方。AI 整理出的表格只是起点，编码和判断仍然要由你来做，但你不再需要从零开始翻找。

手上有还没整理的访谈录音？ 上传采访录音文件，几分钟后拿到带时间戳的逐字稿 $4 起 500 分钟，分钟数永不过期。单个文件最长 10 小时。 上传访谈录音 →

一个例子：12 场访谈的硕士论文

一位社会学硕士生研究外卖骑手的职业选择，访谈了 12 位骑手，每场 60 到 95 分钟，大多用手机录音，导出为 .m4a 文件，共约 900 分钟（以下为虚构示例）。她买了一个 $8 的 1,000 分钟包，一个晚上把 12 个文件全部传了上去。

以 P07 为例：一场 82 分钟的访谈，几分钟后出稿。章节显示“入行经历”从 0:03:40 开始，“平台规则和罚款”从 0:31:20 开始，“对未来的打算”从 1:08:55 开始。她在 AI 对话里用上面的第三条要求，得到这样一张表的开头：

平台规则

  • “超时一次扣的钱，比那一单挣的还多。” 0:33:12
  • “系统给的时间是按直线算的，它不知道那个小区要绕一圈。” 0:36:47

职业打算

  • “干到年底吧，攒够了钱就回老家，跟我哥一起弄个店。” 1:10:05
  • “说是回去，其实每年都这么说。” 1:21:38

最后两条正是第二条要求能找出来的那种前后张力。她逐条点时间戳回放，确认原话无误、上下文没有被截断，然后把表格下载下来，合并到 12 位受访者的总编码表里。过去整理一场访谈要花一整天，这次每场的核对和摘引大约用了四十分钟。论文里的引文统一写成“（P07，0:33:12）”，导师问到任何一句，她都能当场放给他听。

录音质量：访谈前花五分钟，整理时省一小时

手机或录音笔放在你和受访者之间，离受访者更近一点。访谈者的问题通常本来就清楚，受访者的回答才是要引用的部分。
避开咖啡馆、餐厅和马路边。背景音乐和碗碟声对转写的影响，比受访者的口音大得多。条件允许的话，给受访者夹一个领夹麦。
录音一开始口头说一句编号和日期：“P07，九月十二号”。这一句会出现在逐字稿第一行，文件再多也不会混。
线上访谈用会议软件自带的本地录制，不要用手机对着电脑扬声器录。听到人名、地名或专业词时，可以顺口复述一遍，逐字稿里就多了一处清楚的写法可以对照。

你会拿到什么

价格：$4 起 500 分钟（$8 1,000 分钟，$12 2,000 分钟，$24 5,000 分钟），分钟数永不过期，按需购买，通过 Paddle 用银行卡支付。500 分钟大约够转写五到六场 90 分钟的访谈。

常见问题

一个 90 分钟的访谈录音，多久能拿到逐字稿？

大约每小时音频两分钟左右，90 分钟的访谈通常几分钟内就能出稿。文件不用切分，单个文件最长 10 小时、最大 5 GB，一整个下午的焦点小组也可以一次上传。

逐字稿会标出哪句话是受访者说的、哪句是我问的吗？

不会。逐字稿按时间逐行排列，不会自动标出是谁在说话，也不会识别人名。半结构化访谈里问题和回答通常很好分辨；需要正式标注时，可以下载 DOCX，在 Word 里给问题加上“问：”、回答加上“答：”。

受访者说话带口音、夹杂专业术语，转出来能直接用吗？

普通话在支持的 99+ 种语言之内，清晰的录音转出来大部分可以直接阅读。但人名、地名、机构名、行业术语和口音较重的段落一定要核对：点击那一行，录音就从那一秒开始播放，听一遍再改。凡是要写进论文或稿件的原话，都建议回放确认。

访谈内容涉及隐私，录音安全吗？

录音在我们自己的服务器上转写，不会用于训练任何模型。录音和逐字稿可以随时删除，删除账号会清除与该邮箱相关的全部记录。如果你的研究需要通过伦理审查，建议上传前把文件名改成受访者编号，不要用真实姓名。

支持哪些文件格式？手机和录音笔录的可以吗？

支持 .mp3、.wav、.m4a、.mp4、.flac、.ogg、.webm、.mov 等常见音视频格式。手机录音、录音笔导出的文件、线上访谈软件的本地录制文件，都可以直接上传，视频不需要先转成音频。

怎么收费？十几场访谈大概要多少钱？

按分钟数购买，没有订阅：$4 500 分钟，$8 1,000 分钟，$12 2,000 分钟，$24 5,000 分钟，分钟数永不过期，通过 Paddle 用银行卡支付。12 场平均 75 分钟的访谈约 900 分钟，一个 $8 的包就够。

把采访或研究访谈的录音文件上传，几分钟后拿到每行带时间戳、点击即可回放的逐字稿，再用摘要、章节和 AI 对话找出要引用的原话。$4 起 500 分钟，分钟数永不过期。

上传访谈录音文件 →

相关阅读