Option 01
Rev（人工文字轉錄）
由人工打字。慢、昂貴，但發表級逐字稿的黃金標準。
交付時間12–24 小時（一般）
成本 · 每分鐘$1.50 人工 / $0.25 AI
發言人標籤有，手動標記
音檔保留保留在 Rev 伺服器
語言英文人工 · ~30 種 AI
CAQDAS 匯出DOCX、TXT（手動）
Best for單次決定性訪談預計在發表論文中直接引用，預算充足的情況。
學術研究員的文字轉錄。符合 IRB 要求、CAQDAS 相容、100+ 種語言。
上傳一份研究訪談或焦點團體錄音。取得附帶發言人標籤、時間戳的文字稿，準備好用於 NVivo、Atlas.ti 或 MaxQDA — 音檔於 24 小時內刪除。
Drop a file, or pick one
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
Paste a link, we’ll fetch the audio
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ 看看成品是什麼樣子
現場錄音進去。 可編碼的文字稿出來。
我們在每個參與者發言開頭標記時間戳，如果你要求逐字稿就保留填充詞，並匯出 DOCX 且採用你的 CAQDAS 工具已經認得的發言人樣式。
半結構式訪談 · .wav
自動偵測 en-GB44.1 kHz 單聲道 · 領夾麥克風
~90s
文字稿 · 串流
S1
你能告訴我，你第一次注意到社區改變時的情況嗎？
S2
嗯，應該是 2019 年吧 — 角落的麵包店關掉了，對，那時我才真的意識到。
S1
看著這些事在幾個月內發生，你有什麼感覺？
S2
說實話？就像我認識了三十年的地方在一點一滴消失。
領夾麥克風訪談 94% 準確率DOCX (CAQDAS) · TXT · SRT · JSON
↓ This is the dashboard
This is what loads when the job finishes.
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Summary 5Transcript 1,420Speakers 2Exports
Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
Key points
Gap exists between raw recordings and shippable content — tools stop at transcript.
Show notes, social clips, blog drafts all expected by call's end, not next-day.
Current tooling fragmented across 5 apps — no single pipeline.
Conversion-rate signal flipped a buyer-segment assumption at week 3.
40% of original hypothesis survived — the shape held, mechanics rebuilt.
Action items
Speaker 1Investigate single-pipeline approach to replace 5-app stitch.
Speaker 2Mock how show-notes draft could flow from the transcript.
Speaker 2Pull conversion-rate by segment, Monday EOD.
Speaker 1Map the 5-app stitch & list which steps actually need a human.
三個真實選項 · 誠實比較
Rev 人工服務。NVivo Transcription。 或是我們。
Rev 的人工服務是論文級別引用文本的歷史預設值。NVivo 在 CAQDAS 工具內整合 AI 文字轉錄。我們位於中間 — 比 Rev 更快、比 NVivo 內建服務準確率更高且更符合 IRB 要求。
Option 02
Transcription.Solutions
AI 文字稿在幾分鐘內完成，音檔於 24 小時內刪除，DOCX 已按 NVivo 和 Atlas.ti 匯入格式設定。
交付時間~5 分鐘（60 分鐘檔案）
成本 · 每分鐘$0.03
發言人標籤自動分話者辨識，應用內重新命名
音檔保留於 24 小時內刪除
語言100+，自動偵測
CAQDAS 匯出DOCX 段落樣式 + TXT
Best for進行 20+ 份訪談的研究者，需要快速初始文字稿，再手動修正預計發表的 5% 引用頁面。
Option 03
NVivo Transcription / Otter
AI 文字轉錄整合在你的 CAQDAS 工具或記事工具內。方便，英文為主，控制度��低。
交付時間相當（AI）
成本點數套餐 · ~$0.30/分鐘
發言人標籤聲學辨識，英文優化
音檔保留與訂閱服務綁定
語言非英文準確率下降
CAQDAS 匯出僅原生支援 NVivo
Best for完全在英文環境下工作的博士生，在單一 CAQDAS 生態系統內運作，想要單一帳單。
定價與功能旗標截至 2026 年準確。Rev 的 AI/人工分拆和 NVivo Transcription 點數定價因地區和學術授權方案而異。
特定於質性研究
三個通用文字轉錄工具讓研究者吃虧的地方。
上傳前翻轉正確設定，文字稿就能直接匯入你的 CAQDAS 專案。
出了什麼問題
- 1填充詞被無聲移除。 通用 AI 移除「嗯」、「像」、言語失誤 — 對會議備註無妨，對話分析或論述研究則是致命的。
- 2領域術語（理論框架、藥物名稱、地名、親屬關係）被音位轉錄。編碼時就需要尋找和取代工作。
- 3音檔停留在廠商伺服器上無限期。大多數 IRB 資料管理計畫要求刪除或受控保留 — 廠商很少明確說明這一點。
此處翻轉什麼
- 1在工作表單上切換至逐字模式。我們保留填充詞、言語失誤、重複和笑聲標記 — 清除模式是研究者的選擇加入，而非預設值。
- 2將你的編碼簿術語和專有名詞貼入自訂詞彙表。我們將其作為辨識提示而非硬性替換，所以脈絡仍然獲勝。
- 3音檔在工作完成後於 24 小時內刪除。文字稿保留在你的帳戶中。我們可應要求為 IRB 檔案提供刪除確認。
研究訪談的建議工作設定
上傳現場錄音，這些預設開啟。視需要從表單中逐件覆蓋。
- 模式
- 逐字（包含填充詞和言語失誤）
- 發言人模型
- 訪談 · 2–8 位發言人
- 語言
- 自動偵測 · 容許口音變化
- 時間戳
- 每個發言人發言
- 音檔保留
- 24 小時內刪除
- 匯出
- DOCX (CAQDAS 樣式) · TXT · SRT
Accuracy · real-world numbers
乾淨的領夾麥克風訪談準確率 94%。 誠實說明現場錄音的限制。
現場音檔是文字轉錄的難題 — 開放空間、帶口音的英文、焦點團體中的重疊發言。領夾麥克風一對一訪談達到天花板；環境雜音現場錄音和大型焦點團體衰退最快。下面的數字來自實際研究者上傳的檔案，不是合成基準測試。
95%
一對一，領夾或 USB 麥克風
安靜房間、單一 L2 或母語使用者、錄音機放在桌上。半結構式訪談的最佳情況 — 大多數一對一研究都在這裡。
91%
手持錄音機，2–3 位發言人
Zoom H4n 或手機錄音機放在桌中央。發言人座椅由方向識別。計劃 5 分鐘的重新標記工作。
85%
現場訪談，環境雜音
咖啡館、市場、邊走邊訪談。背景聊天和交通影響簡短回應；主要發言仍可編碼。
80%
焦點團體，5–8 位參與者
發言重疊且共用麥克風。分話者辨識會合併一些較安靜的聲音 — 期望編碼時澄清。
常見問題
研究者經常問的 8 個 關於學術文字轉錄的問題。
01這在典型的 IRB 資料管理計畫下是否可接受？+
我們見過的大多數計畫一旦讀到兩個事實就批准我們：音檔在工作完成後 24 小時內刪除，文字稿僅保留在研究者帳戶中。我們不是 IRB 本身 — 你的委員會做最終決定 — 但我們可依要求為你的計畫提供書面處理說明。
02你會保留我的訪談音檔嗎？+
不會。音檔在工作完成後於 24 小時內刪���。只有文字稿保留在你的帳戶中，你可隨時刪除。我們不使用研究音檔來訓練模型。
03你能做真正的逐字稿 — 包含填充詞、言語失誤和重疊 — 用於話語分析嗎？+
可以。在工作表單上切換逐字模式，我們會保留「嗯」、「呃」、重複、言語失誤和笑聲標記。重疊在轉換邊界標以括弧符號。我們不會自動做傑佛遜符號 — 那仍然需要人工編輯。
04DOCX 能否順利匯入 NVivo、Atlas.ti 或 MaxQDA？+
可以。我們的 DOCX 使用每個工具預期的段落和發言人樣式以供自動按發言人編碼。在 NVivo 中，使用檔案 → 匯入 → 文字稿。在 Atlas.ti 和 MaxQDA 中，發言人段落結構被保留，所以按發言人自動編碼開箱即用。
05它如何處理口音英文或多語言訪談？+
我們支援 100+ 種語言（包括單一錄音內的語言混用），帶自動偵測。重度 L2 口音在乾淨音檔上達到約 85–90%。對於訓練資料稀少的少數語言（例如某些非洲和原住民語言），準確率更低，我們在語言選擇器上會說明。
066–8 人的焦點團體 — 分話者辨識真的有效嗎？+
部分有效。聲學分話者辨識在共用麥克風上能可靠分離 4–5 個不同聲音。超過那個數字，期望模型會合併最安靜的兩位參與者。修正是在文字稿編輯器中進行重新命名工作 — 大多數焦點團體文字稿需要 10–15 分鐘清理。
07我的共同 PI 和博士生能在同一專案中存取文字稿嗎？+
可以。工作區支援具備按使用者權限的共享資料夾 — PI 可看到所有訪談，RA 僅看到指派的隊列。用於多站點研究，你不想讓一個學生匯出另一個學生的資料。
08對於出版級直接引用，你們提供人工審查服務嗎？+
還沒有，我們不裝作做。對於進入論文或文章的引用，我們的建議是：先執行 AI 文字稿、在 CAQDAS 工具中編碼、然後在刪除音檔前手動修正每個引用周圍具體 30–60 秒。這是我們大多數研究者使用者採用的工作流程。