質性研究逐字稿怎麼做？論文訪談、焦點團體錄音轉文字與分析準備全攻略

質性研究的逐字稿，要的不是一份「大概聽得懂」的紀錄，而是一份分得出誰講哪句、能逐句引述進論文、又能直接匯入編碼軟體分析的研究素材。簡單講：先用 AI 轉錄把整段訪談或焦點團體錄音轉成帶講者標示、有標點分段的文字稿，再做一輪人工校對核對人名與專有名詞，最後匯出成 TXT 或 DOCX，匯入 NVivo、MAXQDA 或 ATLAS.ti 做編碼與主題分析。

這篇是寫給研究生與質性研究者的——做訪談、做焦點團體、要交論文附錄、要把資料拿去編碼的人。和一般「訪談逐字稿怎麼做」的通用教學不同，這裡專門談研究情境的眉角：多位發言者的焦點團體怎麼分講者、逐字稿怎麼整理才方便後續編碼、口語素材要不要轉成書面語、以及怎麼把成品接進質性資料分析（QDA）軟體。

質性研究的逐字稿和一般逐字稿差在哪？

差別在於「後續要拿來做什麼」。一般工作場景的逐字稿，讀得懂、抓得到重點就夠了；質性研究的逐字稿則是分析的原始資料（raw data），標準更高：

• 可追溯到發言者：訪談要分得出研究者與受訪者；焦點團體更要分得出每一位參與者講了什麼，否則無法做發言者層級的比較與編碼。
• 可逐字引述：寫進論文的引文必須與錄音一字不差，人名、專有名詞、關鍵數字都要正確。
• 可匯入分析工具：成品要能進 CAQDAS／QDA 軟體（如 NVivo、ATLAS.ti、MAXQDA），在裡面建立編碼簿、標記節點、跑查詢。根據賓州印第安納大學的質性資料分析指南，這類軟體的標準流程，正是「先轉錄、再編碼」——轉錄工具的章節，就排在編碼章節之前。

所以選工具時，第一件要確認的事就是：用「逐字稿（轉錄）模式」，不要用「字幕模式」。字幕是給影片畫面看的，按時間切成沒有標點的短句、輸出 SRT；拿去做研究只會得到一堆切碎的文字牆，反而更難編碼。

訪談與焦點團體錄音轉文字有哪些做法？

對要趕論文進度、又同時跑好幾場訪談的研究者來說，AI 轉錄通常是最務實的折衷：它比人工聽打快得多，比免費字幕工具準，而且會自動分講者、加標點分段。但有一點要先說清楚——AI 轉錄不會取代最後一輪人工校對。要把受訪者原話寫進論文之前，你仍要逐句核對人名、術語與關鍵數字；引用的份量越重，越值得花時間校。

焦點團體有好幾位發言者，逐字稿分得出來嗎？

這正是焦點團體錄音最棘手的地方，也是該優先看的能力——講者識別（speaker diarization）。一段七、八個人交談的錄音，如果工具不分講者，整段文字會混在一起，根本分不出某句觀點是誰提的，後續要做發言者層級的編碼幾乎不可能。

能自動分講者的工具，會把逐字稿整理成「發言者標籤＋該段發言」的結構（例如「發言者 1：……」「發言者 2：……」）。這帶來兩個好處：一是你在校對時可以直接把「發言者 1」改成真實代號（如 P1、受訪者 A），維持匿名又可追溯；二是匯入 QDA 軟體後，一致的發言者標籤更利於依發言者自動歸類、比對不同參與者的說法。

收音品質仍然重要：焦點團體最好用桌面全向麥克風、減少同時搶話，分講者的結果會明顯更乾淨。再好的模型也救不回嚴重重疊或極小聲的發言，這部分要靠現場錄音的安排。

口語訪談要不要整理成書面語？

看你的研究取向。有些質性研究（如會話分析）刻意保留所有口語特徵——語助詞、重複、停頓——因為這些本身就是分析對象；這種情況下，逐字稿要盡量貼近原始口語。

但更多論文需要的是乾淨、可讀、可直接引用的引文。這時把訪談中的冗詞贅字、語助詞整理掉，讓句子回到通順的書面語，會讓論文的引述段落專業許多。AI 轉錄通常能自動移除明顯的語助詞、補上標點與分段，把「一面文字牆」整理成一段段可讀的內容，幫你省下大量手動整理的時間。

要注意的是：整理書面語是「讓引文通順」，不是「改寫受訪者的意思」。任何潤飾都不應改動原意；逐字引用的部分，務必回頭對照錄音確認。

怎麼用 Subanana 把研究訪談錄音轉成可分析的逐字稿？

我經營 Subanana，這裡用它示範整個研究情境的流程。Subanana 在這個情境的差異化是：繁體中文與華語的辨識品質、講者識別、自動移除語助詞、自動標點與分段，再加上能匯出成 QDA 軟體吃得下的格式。

1. 建立專案、選「逐字稿（轉錄）模式」：上傳訪談或焦點團體錄音（也可貼公開影片連結）。務必選轉錄模式，不要選字幕模式。
2. 設定來源語言與講者數：來源語言選國語／華語或繁體中文；講者數可手動指定（焦點團體建議直接填人數）或交給系統自動偵測。需要的話可開啟智慧分段。
3. 讓系統轉錄並自動整理：Subanana 會以語音辨識模型轉錄，自動分講者、移除語助詞、加上標點與分段。Subanana 持續評測多個語音模型、依內容挑選表現最好的引擎，不綁單一供應商；偵測到疑似辨識問題時還會自動改用另一個模型重轉那一段，而且這種內部重轉不額外扣你的額度。
4. 在編輯器校對：把「發言者 1／2」改成你的受訪者代號，核對人名、專有名詞與關鍵數字。Subanana 的 AI 校對會標出疑似聽錯或同音錯字並建議修正（由你逐一確認，不會自動改），但它處理的是「字打錯」，不負責補回漏字——漏字與關鍵引文仍要靠你對照錄音。你也可以直接在編輯器裡用 AI 問答，快速定位「某個主題在哪裡被討論」。
5. 匯出給分析工具：完成後匯出。要寫進論文附錄、或要匯入 NVivo／MAXQDA／ATLAS.ti 編碼，選 DOCX 或 TXT 最通用——這兩種純文字／Word 格式正是主流 QDA 軟體最容易吃進去的格式。需要時間軸對照時也能輸出 SRT。

想看實際操作，可參考 Subanana 的 AI 會議與訪談轉錄功能，把整段研究錄音轉成帶講者標示、可校對、可匯出的逐字稿，後續編碼分析省下大半整理時間。

需要說明的是，免費方案可以先預覽轉錄結果，但無法匯出或複製逐字稿——要拿到可放進論文或匯入 QDA 軟體的檔案，需要付費方案。對要處理整批研究錄音的人來說，這通常是值得的投資。

匯出後怎麼接進 NVivo／MAXQDA／ATLAS.ti 編碼？

拿到乾淨、分好講者的逐字稿後，接進 QDA 軟體的大致步驟是：

1. 匯入逐字稿：把 DOCX 或 TXT 檔匯入你的 QDA 專案。一致的發言者標籤（如 P1、P2）在這一步特別有用，方便依發言者歸類。
2. 建立編碼簿：依研究問題與訪談大綱，建立初步的編碼（主題節點）。
3. 逐段編碼：把段落標記到對應的編碼；多輪閱讀、視需要新增或合併編碼。
4. 跑查詢與檢索：用文字查詢或編碼檢索，把同一主題的段落集中起來比對、抽引述。如賓州印第安納大學指南所述，查詢結果可儲存為節點，方便回顧與撰寫。

換句話說，逐字稿的品質直接決定編碼的效率：分好講者、整理乾淨的稿子，能讓你把時間花在「分析」而不是「重打字」。

常見問題（FAQ）

質性研究逐字稿一定要逐字（verbatim）嗎？ 看研究取向。會話分析等取向要求高度逐字、保留語助詞與停頓；多數主題分析或內容分析的論文，則接受整理掉冗詞、回到通順書面語的「乾淨逐字稿」，只要不改動原意、引用處對照過錄音即可。

焦點團體錄音真的能自動分講者嗎？ 能，但成效取決於收音。用全向麥克風、減少搶話重疊，講者識別會更乾淨；嚴重重疊或極小聲的發言仍可能需要人工在校對時釐清。

逐字稿可以直接匯入 NVivo、MAXQDA 或 ATLAS.ti 嗎？ 可以。把逐字稿匯出成 DOCX 或 TXT，這類純文字／Word 格式是主流 QDA 軟體最通用的匯入格式；一致的發言者標籤有助於後續依發言者自動歸類。

AI 轉錄可以完全取代人工校對嗎？ 不行。AI 負責把九成的轉錄苦工做完，但要逐字引述進論文之前，仍應人工核對人名、專有名詞與關鍵數字——準確度高不等於零錯誤，引用越關鍵越要校。

英文訪談也適用嗎？ 適用。流程一樣，把來源語言設成英文即可；需要中英對照時也能加翻譯。延伸閱讀：英文逐字稿怎麼做。

把整段研究錄音轉成可分析的逐字稿，現在就開始：