如何转录播客：分步指南

要转录播客，内容创作者首先需要决定是手动将音频写成文字，还是借助人工智能。对于希望节省时间、简化后期制作流程的人来说，通常后者是更好的选择。

将播客音频转为文字能扩大节目覆盖面、提升搜索结果，并让每位听众都能更方便地获取内容。无论你制作独立的访谈系列，还是负责企业媒体网络，建立可靠、可重复的播客转录 workflow，都能帮你用更短时间将原始媒体转化为可灵活复用的内容。

本指南介绍如何用 AI 转录播客的基础知识，包括分步流程、发布要求和内容复用方法。

摘要

• 播客转录将节目音频转为带说话人标签和时间戳的文字，提升节目的无障碍性和可搜索性。
• 可靠的 workflow 从你拥有的音频文件开始，在导出前完成审核。
• AI 转录可在数分钟内完成整期节目；对于复杂音频或重要引述，人工审核可进一步提高准确性。
• SRT 和 VTT 文件适用于播客应用和字幕，纯文本或 HTML 文件则更适合网站和博客。
• Apple Podcasts 和 Spotify 都接受创作者提供的转录稿。在节目页面提供完整转录稿，可让搜索引擎获得完整对话文本。

什么是播客转录，以及它为何重要

播客转录是将播客单集的语音音频转为书面文字的过程。完整转录稿会标明说话人和每个片段的开始时间。人工和AI 转录服务都能生成转录稿，许多创作者会结合两者使用。

创作者转录节目主要出于 4 个实用原因：

• 无障碍性：转录稿让失聪或听力障碍听众能够完整获取内容和节目，也适合偏好阅读或快速浏览内容的听众。
• 搜索可见性：搜索引擎会索引文字，从而提高可见性。发布在节目页面的转录稿能向 Google 等搜索引擎提供完整对话内容，用于排名。
• 内容复用：转录稿可作为制作节目说明、博客文章、新闻通讯和社交媒体帖文的基础内容。
• 可搜索归档：有了转录稿库，团队和听众就能轻松找到提及某个主题的具体节目。

平台支持力度提升，使这件事更重要。Apple Podcasts 会为新节目自动生成转录稿，听众可点按任意一行，从该位置开始播放音频。Spotify 也会在移动应用中向符合条件的创作者显示转录稿。转录稿如今就在节目旁边，成为收听体验的一部分。

如何转录播客：分步 workflow

转录播客单集只需 5 步：导出音频、选择方法、上传并配置、审核输出结果、导出最终文件。以下每一步都可独立操作，需要时可直接返回对应步骤。

第 1 步：导出节目音频

从你拥有或有权转录的音频文件开始。通常是录音软件导出的母带，或播客托管平台发布的文件。请使用可获取的最高质量版本，因为清晰音频能为模型提供最明确的信号。

如果主持人和嘉宾通过调音台或远程录音平台，使用不同麦克风录制，请保留多轨或多声道文件。这样可在第 3 步实现更清晰的说话人分离。ElevenLabs 支持 AAC、AIFF、OGG、MP3、OPUS、WAV、FLAC、M4A 和 WebM 音频，也支持视频播客的视频文件；网页应用中每个文件最大为 3GB。标准模式支持最长 10 小时的录音。

第 2 步：选择转录方法

评估AI 转录是否准确到无需额外处理，还是节目需要经过人工审核。在经过声学处理的空间录制单人内容，通常只需简短自查。通过视频通话录制的 6 人讨论可能需要更多资源。

播客转录软件和播客转录服务在周转时间和复杂音频处理方式上各不相同。以下是选择人工或 AI 播客转录的主要优势：

• AI 播客转录：ElevenLabs Scribe v2可转录超过 90 种语言的音频和视频文件，按你发送的音频时长计费。
• 人工转录服务：专业转录服务会人工审核播客的每一行内容，适合术语密集或需要逐字准确引述的场景。但周转时间更长，按分钟计算的转录成本也会高得多。

人工与 AI 的混合审核可能最适合部分创作者，既能快速产出高质量转录稿，也能节省成本。

第 3 步：上传并配置

在 ElevenCreative 中打开文本转语音，点击“转录文件”并上传节目。在提交前，设置与录音相符的选项：

• 语言：多语言节目请保持“检测”，或者在已知时选择主要语言。
• 说话人分离：Scribe会自动检测并标记每位说话人，单个文件最多支持 32 位说话人。
• 多声道转录：当每位说话人位于单独声道时，API 会独立处理每个声道，并按声道编号分配说话人 ID，最多支持 5 个声道。
• 关键词提示：添加嘉宾姓名、节目名称、赞助商名称和常用术语，帮助模型正确拼写。批量转录最多接受 1,000 个关键词，费用会在基础转录成本上增加 20%。
• 音频事件标记：开启“标记音频事件”，以标记笑声和掌声。
• 清理输出：通过 ElevenAPI 设置 no_verbatim，可移除语气词和口误开头。

第 4 步：审核并编辑输出结果

在 Transcript Editor 中打开完成的转录稿。点击任意单词即可从该位置播放音频，然后修正听错的姓名，并重新分配归属于错误说话人的台词。下方编辑部分会更详细介绍逐字和清理输出。请查看转录编辑器指南，了解更多编辑详情。

第 5 步：按所需格式导出

点击“导出”，然后选择适合发布目标的格式。HTML 或纯文本文件适用于节目页面，SRT 或 VTT 文件适用于字幕和播客平台。下方格式和发布部分说明了各类文件的用途。

如何录制播客音频以获得准确转录稿

no_verbatim 等功能有助于生成清晰准确的最终转录稿。但为获得最佳效果，请在上传前将以下习惯融入录音流程：

• 分别录制每位说话人：尽可能为每人使用单独的麦克风和音轨。然后使用多声道转录，让所有嘉宾的说话人分离更清晰。
• 避免互相抢话：含有多人同时说话或响亮音乐的节目可能难以转录。尽可能轮流发言。
• 转录仅人声导出文件：响亮音乐会增加语音转录难度。如有条件，请上传不含音乐或音效的混音文件。
• 通过关键词提示添加品牌和嘉宾姓名：将品牌名称和嘉宾姓名添加到发音词典。添加关键词能提高转录准确性。

如何格式化播客转录稿

即使每个字都准确，连续的大段文本转录稿也难以阅读和引用。优质播客转录稿会将对话拆分为带说话人标签和时间戳的短片段。之后可将其导出为发布目标所需的文件类型。

ElevenCreative 支持将转录稿导出为多种格式。请根据转录稿的存储位置选择合适格式。Transcript Editor 指南列出的格式包括：

文本转语音产品指南还介绍了 ElevenCreative 中的上传和导出选项。

如何添加说话人标签、时间戳和音频上下文

说话人标签可提升转录稿的可读性。Scribe v2会检测共享录音中的每个声音，并通过说话人分离自动标记轮流发言。当录音设置为每个人使用单独麦克风和音轨时，多声道转录可提供更清晰的分离效果。每个声道对应一位说话人，让模型将每个词分配至其来源音轨。转录后，可将 speaker_0 等通用标签改为主持人和嘉宾的姓名。

通过添加时间戳，转录稿会更易导航。Scribe v2 提供词级时间戳，API 还支持字符级时间信息。这种精度可支持播客应用中的点按播放转录稿，让用户直接跳到主题开头。Spotify 也需要上传的转录稿文件包含时间戳，以在播放时保持文本同步。

音频上下文可确保对话语气保持完整。开启音频事件标记，可检测掌声和笑声等非语言声音。在访谈和喜剧节目中，观众反应也是内容的一部分；加入 [laughter] 这类标签，能让阅读文本的用户捕捉到这一刻。

准确编辑，不丢失说话人原意

编辑时先选择逐字输出或清理输出。Scribe v2 的 no-verbatim 模式可去除语气词，带来更流畅的阅读体验。逐字输出会保留原话中的每个词。

请选择时参考以下原则：

• 清理转录稿：适用于节目说明和博客内容复用，可读性最重要。
• 逐字转录稿：适用于新闻和法律播客，以及嘉宾原话可能被引用或审查的节目。若发布敏感节目的清理版本，请先根据逐字转录稿核对每一处引述。

ElevenCreative 的 Transcript Editor 可让你边听音频边纠正错误。选择任意单词即可从该位置开始播放，然后直接输入修正内容。你可以拆分和合并片段、移动时间戳手柄、将片段分配给其他说话人，并降低播放速度以处理难以听清的部分。编辑片段后，选择“对齐词语”重新计算词级时间戳。

在播客平台和网站发布播客转录稿

为最大化转录稿的覆盖面，请有策略地将其分发到平台应用和自有网站域名。每个渠道使用不同的技术协议向听众显示文本。

Apple Podcasts 允许创作者通过 RSS feed 使用 <podcast:transcript> 命名空间标签直接提供自定义转录稿文件。创作者也可直接在 Apple Podcasts Connect 中上传 SRT 或 WebVTT 文件。请注意，创作者提供的文件与 Apple 应用原生自动生成的转录稿不同；后者为只读且无法导出。请参阅Apple 转录稿指南，了解详情。

Spotify 会为部分节目自动生成转录稿，但不同节目库单集的覆盖情况并不一致。通过 RSS feed 提供自行验证的转录稿，有助于确保 Spotify 显示准确反映节目实际内容的文字。更多信息请阅读Spotify 播客转录稿指南。

在官方网站的节目页面发布完整转录稿，仍是可靠的搜索引擎收录策略。将书面文字直接嵌入域名下的页面，可确保搜索引擎索引节目内容，不受平台变化影响地带来自然网站流量。

平台规范和 RSS feed 要求会随时间变化。制作团队在部署新的 RSS 标签前，应始终确认 Apple Podcasts、Spotify 和播客托管服务提供商的最新技术文档。

将播客转录稿复用于 SEO、短片和社交媒体帖文

只有少数听众会从头到尾阅读完整转录稿。它最大的价值在于作为你围绕节目制作的其他所有内容的基础。文本包含时间戳和说话人标签，因此你能将每段衍生内容追溯到音频中的精确位置。

• 博客文章：将一段精彩的 10 分钟内容改编为独立文章。将口头回答编辑为书面形式，同时保留嘉宾的关键措辞，然后链接回原节目。
• 社交媒体帖文：直接从转录稿中提取值得引用的句子。Scribe 提供词级时间戳；你可在数秒内确认准确措辞并找到对应音频。
• 章节标记：扫描转录稿以找出话题转换，并记录时间戳。章节可帮助听众浏览较长节目，Apple Podcasts 也会用它将转录稿拆分为多个部分。
• 短片选择：在打开视频编辑器前，使用 JSON 导出的时间数据定位精彩片段，例如笑点或犀利回答。

节目页面上的完整转录稿本身就是一项搜索资产，独立于任何衍生内容。博客文章可能针对一个关键词，而完整转录稿可捕捉嘉宾自然说出的长尾短语。更多信息请了解内容创作者使用文本转语音的其他方式。

ElevenLabs 提供准确、带时间戳的转录稿，让这种内容复用成为可能。剪辑视频短片和设计社交媒体图像则需要使用其他编辑工具。

使用 ElevenCreative 开始播客转录

ElevenCreative 在浏览器中提供完整的播客转录 workflow。将单集上传至文本转语音，然后在 Transcript Editor 中审核结果，再导出为 Apple Podcasts 和 Spotify 接受的格式。Scribe v2 支持转录超过 90 种语言，也是网页应用中的默认模型。

开发者可通过文本转语音 API，将同样的 workflow 集成到播客托管平台或发布流程中。API 还提供多声道转录和用于长文件的 webhooks 等选项。

立即开始转录播客。使用最新一期节目试试ElevenLabs 播客转录稿生成器。

常见问题