想把一段錄音或影片變成可以直接使用的文字稿，最快的做法是把檔案交給線上 AI 工具處理，再自行校對專有名詞。本文說明三件事：哪些情況適合用 AI 轉錄、廣東話與中英夾雜內容要注意什麼，以及由上載到匯出的實際步驟。
先看結論：
- 錄音檔（會議、訪談、課堂）→ 上載音訊檔，轉成文字稿後匯出文件格式
- 影片（YouTube 片段、Podcast）→ 同一流程，但輸出字幕檔再放回剪片軟件
- 廣東話內容 → 轉錄後選書面語輸出，讀起來比逐字口語通順
- 內容含專有名詞（人名、品牌、行業術語）→ 預留校對時間，這一步機器代替不了
以下逐項說明。
什麼情況適合用 AI 轉錄，什麼情況要留手
AI 轉錄不是所有音訊都跑得動，先分清楚場景可以省下大量校對時間。
跑得順的情況
- 單一講者、近距離收音的訪談或口述筆記
- 會議錄音，講者輪流發言、少互相打斷
- 已經做過基本降噪的影片或 Podcast 音軌
- 中英夾雜的日常對話——夾雜本身不是問題，收音差才是
要預留校對時間的情況
- 多人同時說話、互相搶白的圓桌討論
- 遠場收音（手機放在會議桌中央、有回音的房間）
- 大量人名、公司名、行業術語——機器沒有你的上下文，這類詞最易出錯
- 廣東話的俚語、粗口諧音、片語，字面轉出來未必是你想要的寫法
幾乎一定要人手處理的情況
- 有法律或醫療後果的逐字紀錄
- 需要標註語氣、停頓、重疊發言的研究用轉錄
實務上最有效的做法，是先讓 AI 跑一次完整草稿，再集中精神校對名詞和數字這兩類最貴的錯誤，而不是由零開始聽打。
廣東話內容多一個步驟：口語與書面語
廣東話的講法和寫法差別大。逐字轉出來的口語文字（例如「而家」「佢哋」）用來做內部紀錄沒問題，但要放上字幕、交報告或發文章，讀者一般預期看到書面語（「現在」「他們」）。
處理方法是在輸出／翻譯語言設定中直接選書面語，讓轉出來的文字已經是書面語，而不是自己逐句改寫。內部速記留口語、對外發佈用書面語，是最省時的分工。
語音轉文字工具——Subanana
為何選擇Subanana進行語音轉文字
Subanana 的做法不是押注單一個語音辨識模型，而是在每段轉錄上疊多重品質關卡：按來源語言路由到評測表現最好的模型、偵測到模型出現幻覺時自動換另一個模型重跑、用 LLM 標出疑似聽錯的字詞讓你確認、並在編輯器標示每秒字數過高的字幕行。你看到的初稿，已經是系統跑得出的最好版本。
實際會用到的幾點：
- 輸出／翻譯語言設定中可以直接選書面語、口語或英文，廣東話內容不必自己逐句改寫
- 語言覆蓋 95+ 種，中、英、日、韓、泰等常見語言都在內
- 全程在瀏覽器內完成，不用下載或安裝軟件
- 匯出格式包括 SRT、VTT、TXT、DOCX、XLSX、Markdown，字幕和文件兩種用途都覆蓋
如何在 Subanana 語音轉文字 App 將語音/錄音轉文字？
第一步：上載 將語音或錄音上載至 Subanana。常見的音訊與影片格式（mp3、m4a、wav、mp4、mov 等）都可以直接上載，實際可接受的格式以上載頁面顯示為準。上載後選擇音訊的語言。
第二步：轉換 點擊「開始生成字幕」，Subanana AI 功能會將該段錄音或語音自動轉換成文字。
第三步：編輯 用戶可在 Subanana 平台上編輯轉換後的文字。完成後按需要使用字幕翻譯功能加上其他語言的文字。
第四步：下載 下載文字，完成語音轉文字。Subanana 字幕軟體支援輸出 .srt、.vtt、 等字幕檔格式、或文字檔 (.txt)、Word 檔 (.docx)、Excel 檔 (.xlsx)、Markdown 等格式。
語音轉文字軟件總結
如果你的內容以廣東話或中英夾雜為主，又需要把文字稿匯出成可以直接編輯的檔案，Subanana 是值得先用免費額度實測的一個選項。想知道自己的音訊實際轉出來是什麼水準，用免費額度跑一段最難的片段（多人、有背景聲、中英夾雜）最快得到答案。