做播客文字稿最快的方法,是把单集音频(或 YouTube 视频链接)放进 AI 语音转文字工具,先自动生成一份能区分说话人、带标点和分段的初稿,再花十几分钟校对专有名词,最后导出为 SRT、Word 或纯文本。整个流程不需要逐句听写,一集六十分钟的节目,通常半小时内就能拿到一份可以直接引用、改写成文章的文字稿。
这篇教程会把每一步拆开讲清楚:要准备什么、AI 帮你完成哪些苦活、哪些地方仍然需要人工确认,以及拿到文字稿之后怎么延伸成 Show Notes 和 SEO 内容。文中以 Subanana 的文字稿工具为例演示,但流程对多数 AI 转录服务都适用。

播客为什么需要文字稿?
很多人以为文字稿只是给听障人士看的字幕,但对运营节目的人来说,它是一份能反复利用的资产:
- SEO 与搜索曝光:纯音频在 Google 上几乎搜不到,文字稿则是一整页可被索引的文字。把单集文字稿放上网站,等于给每一集多开一个自然搜索入口。
- 改写成文章和帖子:六十分钟的对谈里通常藏着三到五个可以独立成篇的观点。有了文字稿,把口语整理成博客文章、电子报或社交媒体帖子都快得多。
- 制作 Show Notes 和时间戳:文字稿是写重点摘要、列章节时间戳、整理金句的底稿。
- 可引用、可核对:嘉宾说过的数据或说法,以后要引用时可以直接回到文字稿核对,不用重听整集。
- 无障碍与多种设备:在不方便戴耳机或听力不便的情况下,文字版让更多人能接触到你的内容。
换句话说,文字稿能从你已经录好的内容里榨出更多价值,算不上额外的工作。
Apple Podcasts、Spotify 的内置文字稿够用吗?
这是中文播客主最容易忽略的一个坑。Apple Podcasts 和 Spotify 近年都推出了自动文字稿,但它们有明确的语言限制。
根据 Apple 官方的播客文字稿说明(截至 2026-06-03 核实),Apple 自动生成文字稿目前支持的语言为英语、丹麦语、荷兰语、芬兰语、法语、德语、意大利语、挪威语、葡萄牙语、西班牙语和瑞典语,清单里没有中文。也就是说,如果你的节目说普通话,Apple 平台不会帮你自动生成文字稿;你得自己准备一份 VTT 或 SRT 文件,再通过 RSS 或 Apple Podcasts Connect 上传,平台才会显示。
这带出两个重点:
- 中文节目几乎一定要自备文字稿,内置功能补不上这一块。
- 就算平台哪天支持中文,自动文字稿也很难处理专有名词和嘉宾姓名,这些正是需要可编辑、可校对、能建词汇表的工具的地方。
所以对中文播客主来说,务实的做法是:用一个准确、能区分说话人、能导出标准字幕文件的 AI 工具自己生成文字稿,再按平台要求上传。下面进入实际操作。
播客文字稿怎么做?五个步骤的完整流程
下面以一集双人对谈(一位主持人、一位嘉宾)的节目为例。
| 步骤 | 你要做的事 | AI 帮你完成的部分 |
|---|---|---|
| 1. 准备音频 | 导出单集 MP3 或 WAV,或复制节目的公开 YouTube 链接 | 无 |
| 2. 上传并设置 | 选择源语言,设置说话人人数 | 排队处理、自动识别语音 |
| 3. AI 生成初稿 | 等待转录完成 | 语音转文字、区分说话人、加标点分段、去除语气词 |
| 4. 校对编辑 | 确认专有名词、嘉宾姓名、品牌和数字 | 标出可能听错的词并给出修改建议 |
| 5. 导出与延伸 | 下载 SRT 或 Word,生成摘要和 Show Notes | 按模板整理重点、待办事项和章节 |
第一步:准备音频或链接
先从录音或剪辑软件导出单集音频,常见的 MP3、WAV、M4A 都可以。如果节目同步发布在 YouTube,也可以直接复制该视频的公开链接。Subanana 支持粘贴公开的 YouTube、Instagram、Facebook 链接,由系统抓取并转录,省去先下载再上传的步骤。
小提醒:上传前不必特意降噪或剪掉空白;AI 转录按音频时长计费,中间有静音也照时长计算,所以把节目开头的闲聊剪掉反而更省。
第二步:上传并设置
进入 Subanana 应用新建项目,选择“文字稿”模式,然后设置两项:
- 源语言:选普通话(中文)作为节目主要语言。Subanana 支持 95+ 种语言(含普通话和粤语),每种语言都会选用表现较好的识别模型处理。
- 说话人人数:可以让系统自动检测,也可以手动指定(例如这集是 2 位)。手动指定通常能让说话人切分更稳定。
分段不需要单独设置,AI 会自动把连续的口语切成好读的段落,不会给你一大块文字。
第三步:AI 生成初稿
设置完成后,系统会把音频送进转录流程。这一步 AI 帮你完成最花时间的苦活:
- 语音转文字:把整段对谈识别成文字。系统会针对源语言选用表现较好的识别模型,并在发现输出异常时自动改用其他模型重跑,提升可靠性。
- 区分说话人(Diarization):自动标出哪几句是主持人、哪几句是嘉宾,省去你边听边标。
- 标点与分段:“文字稿与笔记”模式会自动补上标点并分段,让内容像文章一样好读(这是“文字稿与笔记”模式特有的处理,“字幕与翻译”模式按惯例不加标点)。
- 整理口语:AI 会适度过滤“嗯”“然后”这类语气词,让初稿更干净。
如果某段音频的识别结果出现异常,系统会自动把那几段改用另一个模型重新处理,而这类内部重试不会额外扣你的分钟数,同一个文件只计费一次。
第四步:校对与编辑
AI 初稿还不是成品。播客最容易出错的地方是专有名词:嘉宾的名字、公司品牌、产品名、外语词汇。编辑器里有几个工具能加快校对:
- AI 校对建议:编辑器会对文字做一次检查,标出可能听错或同音字用错的词并给出建议(例如把“在见”改成“再见”)。每条建议都由你决定是否采用,不会自动应用。它处理的是替换错误,不会帮你补回漏听的字,所以关键段落还是建议对照音频听一遍。
- 词汇表(Glossary):把固定出现的名字、品牌、术语提前录入词汇表,后续项目都能使用,减少同一个名字一错再错。词汇表分为整个工作区共用和单个项目专用两种,对固定嘉宾或系列节目特别有用。
- CPS 提示:如果打算把文字稿当字幕用,编辑器会标出每秒字数过多、来不及阅读的片段,方便调整。
校对的诀窍是抓大放小:先确认人名、数字、品牌这些一错就尴尬的硬伤,口语里的小瑕疵可以按用途决定要不要逐字修改。
第五步:导出,并延伸成 Show Notes 和文章
校对完成后就可以导出。Subanana 支持的格式包括 SRT、VTT、纯文本(TXT)、Word(DOCX)、Excel(XLSX)和 Markdown,也能打包成一个 ZIP。对播客来说,常见的搭配是:
- SRT、VTT:上传到 Apple Podcasts Connect 或放进视频版,作为字幕或平台文字稿。
- Word、纯文本:用来改写成博客文章或电子报。
- Markdown:直接粘贴到网站后台或笔记工具。
除了文字稿,Subanana 还能直接从同一份转录生成摘要和重点整理,作为 Show Notes 的草稿。摘要功能可以使用内置的笔记模板(如重点整理、待办事项等),很快把一小时的对谈收敛成一页重点。摘要、转录和翻译使用的模型都由系统自动选择,不需要你操心。
你也可以直接在编辑器里“和文字稿对话”:问它“这集主要谈了哪三件事”“嘉宾对某个主题的看法是什么”,由 AI 根据文字稿内容回答,帮你更快找出可以写成帖子或文章的重点。
小提醒:免费方案可以先试跑、预览结果,但导出文件(含文字稿和字幕)需要付费方案才能解锁。各方案的分钟数和价格可以查看 Subanana 价格页面。
夹杂外语词和多位嘉宾怎么处理?
中文播客常常一句话里夹几个英文词,或者同时有两三位嘉宾,这两种情况最考验工具:
- 夹杂的英文词汇:节目里常出现的英文品牌、产品名或专业术语,建议在校对前先加进词汇表,让后续转录沿用固定写法,减少拼错和前后不一致。
- 多位嘉宾:如果知道确切人数,建议在设置时手动指定说话人数量,通常比全自动更稳定。转录完成后,可以在编辑器里把说话人标签(例如“说话人 1”“说话人 2”)改成实际姓名,读起来更清楚。
- 收音质量:说话人轮流发言、避免长时间重叠,识别和说话人切分都会更干净;收音清楚的素材,后续校对的工夫也明显变少。
简单说,事前多给一点信息(人数、词汇表)、收音清楚一点,事后就少改一点。
一个界线:直播实时字幕是另一回事
如果你做的是现场活动或在线直播,需要的是实时字幕,那属于另一个功能。Subanana 的实时语音转字幕由麦克风或系统音频实时输入、现场显示,主持人设置源语言和最多 5 种翻译语言,观众通过分享链接各自选择一种显示语言观看。
而播客文字稿是录好之后的后期流程:你已经有完整音频,追求的是准确度、说话人切分和可编辑性,零延迟没那么重要。两者用途不同,别把直播字幕的需求套到文字稿上,反过来也一样。
常见问题
一集六十分钟的播客,做文字稿要多久? 转录本身通常几分钟内完成,真正花时间的是校对。如果只需要大致可读的版本,用十几分钟确认人名和数字就够了;要作为正式发布的文字稿,预留半小时左右校对更稳妥。
AI 文字稿准确吗?需要全部重听吗? 不需要逐句重听。AI 初稿在收音清楚的情况下已经相当完整,重点是确认专有名词、人名、数字这类一错就明显的地方。模糊或关键的片段再对照音频听一遍即可。
可以导出成字幕直接放到 YouTube 或 Apple Podcasts 吗? 可以。导出 SRT 或 VTT 后,YouTube 可以直接上传字幕文件;Apple Podcasts 则按其规定,在 Apple Podcasts Connect 或通过 RSS 提供 VTT 或 SRT。
免费方案能直接拿到文字稿文件吗? 免费方案适合先预览识别效果,但导出文字稿和字幕文件需要付费方案。建议先用免费方案试跑一小段,确认准确度和流程符合需求,再决定是否升级。
采访和会议也能用同一套流程吗? 可以。“文字稿与笔记”模式同样适用于采访录音和会议记录,区别只在于笔记模板和后续用途。如果想深入了解采访录音的做法,可以参考访谈文字稿教程。
开始把你的播客变成文字资产
播客文字稿能让你已有的内容被搜索、被引用、被改写成更多文章。流程很简单:上传单集,让 AI 区分说话人并生成初稿,花点时间校对专有名词,导出你要的格式,再延伸成 Show Notes 和 SEO 文章。