錄音筆逐字稿：完全離線的轉錄方法

誰還在用錄音筆——以及為什麼這很重要

錄音筆從未消失。它只是轉移到了那些說話比打字更快、而且內容敏感到既不能弄丟也不能外洩的職業裡。

• •律師在會議空檔口述書狀、會談紀錄和信函。一段口述可能包含當事人姓名、訴訟策略和受嚴格保密政策約束的細節。
• •醫師在每位病人看診後口述病歷與轉診單。那段音訊是最原始形態的醫療資料。
• •記者用錄音筆和手機錄下採訪。保護消息來源，從不把對方的聲音上傳到別人的雲端開始。
• •研究人員蒐集數小時的田野訪談與觀察紀錄，而且往往受研究倫理協議約束，明確限制錄音可以在哪裡處理。

這四類人的瓶頸都是同一個：把好幾個小時的口述變成文字。請打字員、外包給逐字稿公司、或使用雲端服務，都會在流程裡多引入一個人或一套系統。裝置端轉錄則把處理這一步留在你自己掌控的硬體上。

錄音筆逐字稿，三步驟完成

1. 從錄音筆匯出檔案

用 USB 連接錄音筆（或使用配套 App），把錄音複製到 Mac 或 iPhone。大多數數位錄音筆——Olympus、Philips、Sony、Zoom，或者手機內建的語音備忘錄——都以 MP3、WAV 或 M4A 格式儲存錄音。這些格式都能直接使用，不需要轉檔。

2. 匯入 Whisper Notes

在 Mac 上把檔案拖進 Whisper Notes，或在 iPhone 上分享到 App。沒有長度限制——兩分鐘的備忘和三小時的訪談都沒問題。影片檔也支援：匯入 MP4 或 MOV，App 會轉錄其中的音軌。

3. 本機轉錄，隨處匯出

按下轉錄即可。Mac 上的預設模型是 Parakeet V3，在裝置端執行。在我們的 M4 Pro 測試中，它 18 秒轉完同一個 35 分鐘的檔案，Whisper Large V3 Turbo 則要 3 分鐘。它 6.32% 的英語 WER 來自 Open ASR Leaderboard，不代表每一段錄音筆錄音都是這個水準——你的結果會隨語言、麥克風、背景噪音和專業詞彙而不同。中文錄音則選 SenseVoice。轉錄結果以帶時間戳記的段落呈現：點擊任一段落就跳到錄音的對應時刻，核對一句引言或一條用藥指示只要幾秒。

一段匯入的錄音，已轉錄並帶時間戳記——點擊任一片段即可回聽原始音訊

完成後，匯出 TXT 用於文件；如果錄音來自影片，可匯出帶時間戳記的 SRT/VTT。想先修訂也可以直接行內編輯——修改始終與音訊保持同步。

口述錄音，離線為什麼勝過雲端

雲端轉錄服務通常把音訊上傳到服務商的基礎設施，依他們的保留與資料處理政策來處理。對某些錄音來說這可以接受，但當音訊包含機密的當事人、病人、消息來源或研究資料時，這就多了一個需要審核的資料處理者。

Whisper Notes 在初始設定時下載你選擇的語音模型；之後錄音和轉錄都可以在沒有網路的情況下執行，音訊和逐字稿不會為了轉錄而被上傳。這能減少對第三方的資料暴露，但單靠本機處理並不會讓法律、醫療或研究工作流程自動合規——你的裝置安全、同意程序、保留政策和專業義務仍然重要。

對重度口述使用者來說，這筆帳也很好算。如果你每天口述一小時，按分鐘計費的雲端價格會迅速累積，而訂閱制不管你用不用都照收費。一次買斷的價格是固定的——不管你每月轉十分鐘，還是每週轉十小時。

如何得到最精準的逐字稿

對專業口述而言，兩個設定帶來的差異最大：

自訂詞彙。通用語音模型可能會漏掉當事人的姓氏、藥品名、法條編號和專業術語。Whisper Notes 讓你把常出現的名字和詞彙加進自訂詞彙表，給轉錄引擎更多上下文。在依賴逐字稿之前，姓名、劑量、數字和引言務必對照音訊核實。

依語言選模型。依你的口述語言選擇對應的模型：

另外，類比錄音時代的一個老習慣至今仍然管用：錄音筆離嘴近一點、語速平穩、用完整的句子口述。進去的音訊乾淨，出來的文字就乾淨。

常見問題

下載 iOS 版 下載 macOS 版