如何转录访谈：准确标注说话人的转录稿

手动转录一场访谈需花费数小时。若正赶文章截止日期，或进行时间紧迫的研究，日程中可能没有这些额外时间。AI 驱动的文本转语音工具可在几分钟内转录访谈，为编辑和分析腾出时间。 

本指南将介绍如何用 AI 准确转录访谈，还会讲解工具、风格和格式，帮助你将每段访谈音频转换为可用的文字转录稿。 

摘要

• 新闻报道或学术研究的访谈转录稿通常需要满足严格的准确性标准。 
• 逐字转录模式会捕捉访谈中的所有内容，包括重复和填充词。 
• 为避免说话人标注错误，请为每位说话人使用独立麦克风，并采用多声道转录。该功能会分别转录每位说话人的音频，即使出现重叠说话，也能正确标注。 
• 笑声、叹气或掌声等音频事件可为访谈录音补充语境。ElevenCreative STT 默认会添加这些标签，但如果不需要，可关闭“标记音频事件”设置。 
• 如果访谈中包含人名、公司名称或行业术语，请在转录开始前使用关键词提示来确认拼写。 

访谈转录与会议或通话转录有何不同

无论是新闻采访还是学术研究，访谈者都需要从转录稿中提取直接引语。访谈持续 1 小时或更久时，手动转录并不可行，尤其是在需要高度准确的情况下。

这些引语会用于已发布的文章、报告和引用。转录稿必须记录所有说过的内容，不改动措辞，也不遗漏任何内容。

商务会议则不同。通常时长较短，大多数团队只需掌握要点。很多人使用的是会议摘要工具，而非生成逐字记录的工具。

选择访谈转录软件时，准确性应放在首位，但不应是清单上的唯一考量。以下是最重要的功能。

逐字转录还是清稿：选择转录稿风格

转录访谈时，可选择两种风格：逐字转录或清稿。

逐字转录稿会记录对话中的每个词和表达，不作任何修改或删减，包括重复、口误开头，以及“嗯”“呃”等填充词。 

清稿会删除填充词和重复内容，但保留原有语法和措辞。清稿在保留对话原意的同时，可提升可读性。 

对于大多数访谈，逐字转录稿最合适。由于完整保留对话内容，它能满足新闻报道、学术研究或法律场景所要求的严格准确性标准。 

不过，在一些访谈场景中，清稿也很适用。例如，你为播客进行了访谈，并想将其改写成网站上的问答博客文章。在这种情况下，清稿可提供可直接发布的结果。 

ElevenCreative 文本转语音 支持在 ElevenLabs Playground 和 ElevenAPI 中使用 Scribe v2 模型进行逐字转录和清稿。默认生成逐字转录稿，但你可在 Playground 设置面板中开启“Clean Transcript/No Verbatim”，或在 ElevenAPI 中启用 no_verbatim 参数，以创建清稿。 

正确标注说话人

在访谈转录中，说话人标签可明确每句话是谁说的。错误的说话人标签可能导致引语归属不准确，因此务必正确标注。 

AI 文本转语音工具提供两种说话人标注方法。具体使用哪种方法取决于访谈录音方式。 

若使用单个麦克风录制两位说话人，转录模型会通过内置说话人分离功能，自动识别、分离并标注他们。采用说话人分离的模型可能出错，尤其是在说话人声音相似或相互重叠说话时。 

如果每位说话人都有自己的麦克风，可以使用 多声道转录 来确保说话人标签准确。使用这种转录方法时，转录稿中每个音频声道都有独立的说话人标签。 

与用单个录音记录两位说话人相比，多声道转录需要更复杂的麦克风设置。但它能提供更清晰、更准确的说话人标注。由于每位说话人都有预先配置的声道，转录模型无需通过声音识别说话人。 

处理重叠说话和打断

说话人标注并不总是那么简单。对话中，说话人相互重叠或打断对方很常见。 

为新闻报道或学术研究转录访谈时，准确标注重叠说话和打断至关重要。这能确保每段引语都归属于正确的说话人。 

如有可能，请为每位说话人使用独立麦克风，并以多声道模式转录。在多声道模式下，每位说话人的录音和转录相互独立。即使说话人相互重叠，也能避免标注错误。 

如果访谈使用单个麦克风，转录模型会使用自动 说话人分离 来标注每个时段是谁在说话。采用这种方式可能出现标注错误，尤其是说话人相互重叠时。为确保准确性，转录稿可能需要少量人工编辑。 

转录访谈时捕捉语气

说话人的语气会彻底改变其言语含义，因此要确保访谈转录稿保留这些细微差别。为此，请调整转录工具设置，使其捕捉笑声、低语、叹气和其他非语音事件。 

在 ElevenLabs 中，可使用 tag_audio_events 参数。通过 ElevenCreative 转换语音为文本或使用 ElevenAPI 时，该设置会自动开启。 

若不希望在访谈转录稿中捕捉这些事件，只需在 Playground 创建转录稿时关闭“标记音频事件”。在 ElevenAPI 中，使用 tag_audio_events="false" 关闭此设置。 

采访人物特写或口述历史的受访者时，标记非语音事件尤其重要，因为这能捕捉说话人的完整意图和表达。对于定性研究访谈也很有帮助，因为非语音事件会影响最终结果。 

正确识别姓名和术语

许多访谈包含转录模型无法自行识别的人名和行业术语。 

借助 关键词提示，可在转录开始前明确姓名、词语或短语。这能避免转录模型拼错，或将其混淆为其他更常见的词。 

ElevenLabs Scribe v2 模型每份转录稿最多支持 1,000 个关键词，而 ElevenLabs Scribe v2 Realtime 每份转录稿支持 50 个关键词。 

两种转录方式：免代码上传或 API

ElevenLabs 提供两种用于转录访谈的文本转语音方式。ElevenLabs Playground 是一款免代码工具，而 ElevenLabs 文本转语音 API 可将转录功能直接集成到你正在构建的数字工具中。 

使用 ElevenLabs Playground 转录访谈只需几分钟，无需任何设置。直接在控制台上传音频文件，然后切换所需的转录设置。 

转录开始前，可按需求调整非语音事件标记、逐字转录模式和多声道模式，还可添加相关关键词。 

转录稿准备好后，可直接在内置的 转录稿编辑器 中编辑成稿。还可将转录稿导出为多种文件格式，包括 .txt、.docx、.pdf、.json、.html、.srt 和 .vtt。 

如果正在构建自己的软件，并希望添加访谈转录功能，可使用 ElevenLabs 文本转语音 API。将此功能添加到新闻编辑部 CMS、播客平台或学术研究工具中，可加快整个团队的访谈转录流程。 

使用 ElevenCreative 转录访谈

转录访谈时，准确性至关重要。逐字转录、多声道转录、音频事件标记和关键词提示等功能可捕捉访谈的每个细节，确保结果准确。 

ElevenCreative 文本转语音 工具可在几分钟内生成访谈转录稿，为研究、写作、编辑等工作腾出时间。ElevenLabs Playground 提供易用、无需设置的界面，几分钟即可将音频文件转换为完整转录稿。ElevenAPI 可将访谈转录直接接入软件平台，加快工作流程。 

立即注册 ElevenLabs，开始转录访谈，或了解 ElevenCreative 提供的全部功能。

常见问题