Podcast 逐字稿製作完整教學：上傳單集、分出講者、編輯到匯出
Podcast 逐字稿最快的做法，是把單集音檔（或 YouTube 影片連結）丟進 AI 語音轉文字工具，先自動產生一份分得出講者、有標點與分段的初稿，再花十幾分鐘校對專有名詞，最後匯出成 SRT、Word 或純文字。整個流程不需要逐句聽打，一集六十分鐘的節目，通常半小時內就能拿到一份可以直接引用、改寫成文章的逐字稿。
這篇教學會把每一步拆開講清楚：要準備什麼、AI 幫你做掉哪些苦工、哪些地方仍然需要人工確認，以及拿到逐字稿之後該怎麼延伸成 Show Notes 與 SEO 內容。文中以 Subanana 的逐字稿工具 為例示範，但流程對多數 AI 轉錄服務都通用。
Podcast 為什麼需要逐字稿？
很多人以為逐字稿只是「給聽障朋友看的字幕」，但對經營節目的人來說，它其實是一份能重複利用的資產：
- SEO 與搜尋曝光：純音檔在 Google 上幾乎搜不到，逐字稿則是一整頁可被索引的文字。把單集逐字稿放上網站，等於替每一集多開一道自然搜尋的入口。
- 改寫成文章與貼文：六十分鐘的對談裡通常藏著三到五個可以獨立成篇的觀點。有了逐字稿，把口語整理成部落格文章、電子報或社群貼文都快得多。
- 製作 Show Notes 與時間戳：逐字稿是寫重點摘要、列出章節時間戳、整理金句的底稿。
- 可引用、可查證：來賓講過的數據或說法，日後要引用時可以直接回到逐字稿核對，不必重聽整集。
- 無障礙與多元裝置：在不方便戴耳機、或聽力不便的情境下，文字版本讓更多人能接觸你的內容。
換句話說，逐字稿不是額外的工作，而是把你已經錄好的內容榨出更多價值。
Apple Podcasts、Spotify 的內建逐字稿夠用嗎？
這是中文 Podcaster 最常忽略的一個坑。Apple Podcasts 與 Spotify 近年都推出了自動逐字稿，但它們有明確的語言限制。
根據 Apple 官方的 Podcast 逐字稿說明（截至 2026-06-03 查證），Apple 自動產生逐字稿目前支援的語言為英文、丹麥文、荷蘭文、芬蘭文、法文、德文、義大利文、挪威文、葡萄牙文、西班牙文與瑞典文——清單裡並沒有中文。也就是說，如果你的節目是國語，Apple 平台不會幫你自動生成逐字稿；你得自己準備一份 VTT 或 SRT 檔，再透過 RSS 或 Apple Podcasts Connect 上傳，平台才會顯示。
這帶出兩個重點：
- 中文節目幾乎一定要自備逐字稿，內建功能補不上這塊。
- 就算平台某天支援中文，自動稿也很難處理專有名詞與來賓姓名——這些正是需要可編輯、可校對、能建詞彙表的工具的地方。
所以對台灣的 Podcaster 來說，務實的做法是：用一個準確、分得出講者、能匯出標準字幕檔的 AI 工具自己產逐字稿，再依平台需求上傳。下面就進入實際操作。
Podcast 逐字稿怎麼做？五個步驟完整流程
以下用一集雙人對談（一位主持人、一位來賓）的節目為例。
| 步驟 | 你要做的事 | AI 幫你完成的部分 |
|---|---|---|
| 1. 準備音檔 | 匯出單集 MP3／WAV，或複製節目的公開 YouTube 連結 | — |
| 2. 上傳並設定 | 選擇來源語言、開啟分講者與自動分段 | 排程處理、自動辨識語音 |
| 3. AI 產生初稿 | 等待轉錄完成 | 語音轉文字、區分講者、加標點分段、過濾贅字 |
| 4. 校對編輯 | 確認專有名詞、來賓姓名、品牌與數字 | 標出可能誤聽的詞並提供建議改法 |
| 5. 匯出與延伸 | 下載 SRT／Word，產生摘要與 Show Notes | 依模板整理重點、行動項目與章節 |
步驟一：準備音檔或連結
先從你的錄音或剪輯軟體匯出單集音檔，常見的 MP3、WAV、M4A 都可以。如果你的節目同步發在 YouTube，也可以直接複製該影片的公開連結——Subanana 支援貼上公開的 YouTube、Instagram、Facebook 連結，由系統抓取並轉錄，省去先下載再上傳的步驟。
小提醒：上傳前不必特地降噪或剪掉空白；AI 轉錄是依音檔長度計費，但即使中間有靜音段也照長度計算，所以把節目開頭的閒聊剪掉反而更省。
步驟二：上傳並設定講者與分段
進入 Subanana 應用程式 建立新專案，選擇「逐字稿」模式，接著做三個設定：
- 來源語言：選國語（中文）作為節目主要語言。Subanana 支援 80 種以上語言（含國語與粵語），各語言都會挑選表現較好的辨識模型處理。
- 講者人數：可以讓系統自動偵測，也可以手動指定（例如這集是 2 位）。手動指定通常能讓講者切分更穩定。
- 智慧分段：開啟後，AI 會把連續的口語切成好讀的段落，而不是一大塊文字。
步驟三：AI 產生初稿
設定完成後，系統會把音檔送進轉錄流程。這一步 AI 幫你做掉最花時間的苦工：
- 語音轉文字：把整段對談辨識成文字。系統會針對來源語言挑選表現較好的辨識模型，並在偵測到輸出異常時自動改用其他模型重跑，提升可靠度。
- 分出講者（Diarization）：自動標出哪幾句是主持人、哪幾句是來賓，省去你邊聽邊標。
- 標點與分段：逐字稿模式會自動補上標點符號並分段，讓內容像文章一樣好讀（這是逐字稿模式特有的處理，字幕模式依慣例不加標點）。
- 整理口語：AI 會適度過濾「嗯」「然後」這類贅字，讓初稿更乾淨。
值得一提的是，如果某段音檔辨識結果出現異常，系統會自動把那幾段改用另一個模型重新處理以產出更可靠的結果，而這類內部重試不會額外扣你的分鐘數——同一個檔案只計費一次。
步驟四：校對與編輯
AI 初稿不等於成品。Podcast 最容易出錯的地方是專有名詞：來賓的名字、公司品牌、產品名、外語詞彙。編輯器裡有幾個工具能加速這道校對：
- AI 校對建議：編輯器會對文字做一次檢查，標出可能「聽錯」或「同音字用錯」的詞並提出建議（例如把「在見」改成「再見」）。每個建議都由你決定要不要採用，不會自動套用。要注意它處理的是替換錯誤，不會幫你補回漏聽的字，所以關鍵段落還是建議對照音檔聽一次。
- 詞彙表（Glossary）：把固定會出現的名字、品牌、術語先建進詞彙表，後續專案都能套用，減少同一個名字一錯再錯。詞彙表分為整個工作區共用與單一專案專用兩種，對固定來賓或系列節目特別有用。
- CPS 提示：若打算拿逐字稿當字幕用，編輯器會標出每秒字數過多、來不及閱讀的段落，方便調整。
校對的訣竅是「抓大放小」：先確認人名、數字、品牌這些一錯就尷尬的硬傷，口語的小瑕疵則可以視用途決定要不要逐字修。
步驟五：匯出，並延伸成 Show Notes 與文章
校對完成後就可以匯出。Subanana 支援的格式包含 SRT、VTT、純文字（TXT）、Word（DOCX）、Excel（XLSX）與 Markdown，也能打包成一個 ZIP。對 Podcast 來說，常見的搭配是：
- SRT／VTT：上傳到 Apple Podcasts Connect 或放進影片版，當作字幕／平台逐字稿。
- Word／純文字：拿來改寫成部落格文章或電子報。
- Markdown：直接貼進網站後台或筆記工具。
逐字稿之外，Subanana 還能直接從同一份轉錄產生摘要與重點整理，作為 Show Notes 的草稿。這個摘要功能可以自己挑選要用哪一個大型語言模型（LLM）來生成，並套用內建的摘要模板（如重點整理、行動項目等），快速把一小時的對談收斂成一頁重點。需要注意的是，挑選模型這件事目前只開放在摘要功能；轉錄與翻譯的模型是由系統自動挑選，不需要你操心。
你也可以直接在編輯器裡「與逐字稿對話」——問它「這集主要談了哪三件事」「來賓對某個主題的看法是什麼」，由 AI 根據逐字稿內容回答，幫你更快抓出可以寫成貼文或文章的重點。
小提醒：免費方案可以先試跑、預覽結果，但匯出檔案（含逐字稿與字幕）需要付費方案才能解鎖。各方案的分鐘數與價格可參考 Subanana 方案費用頁。
夾雜外語詞與多位來賓怎麼處理？
台灣的 Podcast 常常一句中文夾幾個英文詞，或同時有兩三位來賓，這兩種情況最考驗工具：
- 夾雜的英文詞彙：節目裡常出現的英文品牌、產品名或專業術語，建議在校對前先加進詞彙表，讓後續轉錄沿用固定寫法，減少拼錯與前後不一致。
- 多位來賓：如果你知道確切人數，建議在設定時手動指定講者數，通常比全自動更穩。匯出後，編輯器裡的講者標籤（例如「講者 1／講者 2」）可以改成實際姓名，讀起來更清楚。
- 收音品質：講者輪流講、避免長時間交疊說話，辨識與講者切分都會更乾淨；收音清楚的素材，後續校對的工夫也會明顯變少。
簡單說，事前多給一點資訊（人數、詞彙表）、收音清楚一點，事後就少改一點。
一個界線：直播即時字幕是另一回事
如果你做的是現場活動或線上直播，需要的是即時字幕，那屬於另一個功能。Subanana 的即時語音轉字幕是麥克風或系統音源即時輸入、現場顯示，由主持端設定一個來源語言與一個翻譯語言，觀眾透過分享連結觀看。
而 Podcast 逐字稿是錄好之後的後製流程：你已經有完整音檔，追求的是準確度、講者切分與可編輯性，而不是零延遲。兩者用途不同，別把直播字幕的需求套到逐字稿上，反之亦然。
常見問題
一集六十分鐘的 Podcast，做逐字稿要多久？ 轉錄本身通常幾分鐘內完成，真正花時間的是校對。如果你只需要大致可讀的版本，十幾分鐘確認人名與數字就夠；要當成正式發布的逐字稿，抓半小時上下校對較保險。
AI 逐字稿準確嗎？需要全部重聽嗎？ 不需要逐句重聽。AI 初稿在一般收音清楚的情況下已經相當完整，重點是針對專有名詞、人名、數字這類「一錯就明顯」的地方做確認。模糊或關鍵段落再對照音檔聽一次即可。
可以匯出成字幕直接放上 YouTube 或 Apple Podcasts 嗎？ 可以。匯出 SRT 或 VTT 後，YouTube 可直接上傳字幕檔；Apple Podcasts 則依其規定，於 Apple Podcasts Connect 或透過 RSS 提供 VTT／SRT。
免費方案能直接拿到逐字稿檔案嗎？ 免費方案適合先預覽辨識效果，但匯出逐字稿與字幕檔需要付費方案。建議先用免費版試跑一小段，確認準確度與流程符合需求，再決定升級。
那「採訪」「會議」也能用同一套流程嗎？ 可以。逐字稿模式同樣適用於採訪錄音與會議記錄；差別只在於摘要模板與後續用途。若想深入了解一般錄音檔的做法，可參考訪談逐字稿教學。
開始把你的 Podcast 變成文字資產
Podcast 逐字稿不是額外負擔，而是讓你已經產出的內容被搜尋、被引用、被改寫成更多篇文章的關鍵一步。流程其實很簡單：上傳單集、讓 AI 分出講者並產出初稿、花點時間校對專有名詞、匯出你要的格式，再延伸成 Show Notes 與 SEO 文章。