Option 01
Rev 人工逐字
由人工輸入。準確度高，但 24 小時轉交時間，且價格與小時數呈線性增長。
準確率~99%（人工）
轉交時間通常 12–24 小時
交叉談話標記為 [crosstalk]
QDA 匯出DOCX，手動清理
成本，每分鐘$1.50 逐字
90 分鐘小組~$135
Best for論文工作或受監管的研究，其中每個語言不流暢都必須由人工驗證。
焦點小組轉錄。每位講者皆有標籤，逐字記錄。
上傳一個包含 6、8 甚至 10 個聲音的焦點小組錄音。獲得逐字轉錄稿，每位參與者都有標籤、交叉談話被標記，以及可直接載入 NVivo 的 DOCX 檔案。
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
↓ 看看輸出是什麼樣的
八位參與者輸入。 標籤逐字輸出。
焦點小組是我們佇列中最難的分音情況 — 相似的人口統計、相似的聲音、頻繁的交叉談話重疊。我們將重疊內聯標記而不是丟棄，然後您只需重新命名一次發言者 3 → 「Participant_F2」，它就會傳播到整個轉錄稿。
焦點小組錄音
自動偵測 en-US44 kHz 領夾麥克風，WAV
~90s
轉錄稿，串流中
S1
所以當你第一次打開包裝時 — 告訴我你注意到了什麼。
S2
老實說？第一件事是味道。像醫院一樣，有點臨床 —
S3
是的，我也是。我以為這應該是薰衣草香氛。
S2
對，標籤上寫著薰衣草，但其實一點都不是 —
8 位講者房間麥克風上的 91% 準確率DOCX (QDA 就緒)、SRT、TXT、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.
三個實際選項，誠實比較
Rev 人工。通用 AI。 或選擇我們。
研究人員通常在付費給人工轉錄師（慢速、準確、昂貴）或通過非為 8 人房間設計的通用 AI 工具之間進行選擇。我們處於中間 — AI 速度、針對研究錄音調整的分音、以及可直接進入 NVivo 無需修改的 DOCX。
Option 02
Transcription.Solutions
分音針對 6–10 個聲音調整，交叉談話內聯標記，DOCX 匯出針對 NVivo、ATLAS.ti 和 Dedoose 規格化。
準確率小組音頻上的 88–94%
轉交時間~1× 實時
交叉談話標記，不丟棄
QDA 匯出DOCX，帶發言者輪次
成本，每分鐘$0.03
90 分鐘小組~$2.70
Best for執行多個小組、需要在明天上午在 NVivo 中進行第一遍轉錄稿而非下週的研究人員。
Option 03
Otter / Sonix
為會議構建的通用 AI。在 2–3 位講者上尚可，超過 5 人就崩潰 — 且匯出未針對 QDA 軟體進行調整。
準確率超過 5 位講者時下降
轉交時間快速
交叉談話通常被丟棄
QDA 匯出無原生 NVivo 格式
講者上限軟性上限 ~6
成本$17–22/使用者/月
Best for小型訪談和 1 對 1 對話，其中錄音包含 2–3 個聲音並存在於行事曆工作流程中。
定價截至 2026 年 5 月準確。準確率範圍來自我們客戶焦點小組檔案的內部樣本，不是合成基準。
特定於焦點小組
上最容易讓研究人員踩雷的三件事。 通用 AI 工具
提前翻轉正確的設定，轉錄稿可直接進入 NVivo 無需清理週末。
哪裡出錯
- 1交叉談話被丟棄。大多數消費者工具在重疊期間選擇一位講者並丟棄其餘的。你丟失了正好是達成共識或反駁發生的時刻。
- 2講者折疊為 3 個。工具假設為會議規模的房間，並將分音叢集上限設定得很低。你的八位參與者回來為「發言者 1」/「發言者 2」/「發言者 3」。
- 3匯出是一堵文本牆。沒有按講者輪次的段落分隔，沒有 NVivo 在導入時可以自動編碼的 DOCX 結構。
這裡要翻轉什麼
- 1在工作表單中開啟標記重疊的語音。交叉談話獲得內聯 `[overlap]` 標記，兩位講者都保留他們的發言。
- 2明確設定預期講者：8–12。我們調整分音叢集計數以匹配，而不是猜測得太低。
- 3選擇 DOCX（QDA 就緒）匯出。講者輪次變成以標籤為前綴的段落 — NVivo、ATLAS.ti 和 Dedoose 都在導入時自動偵測此格式。
焦點小組推薦的工作設定
使用「研究」範本上傳焦點小組檔案，這些預設開啟。從表單按工作覆蓋。
- 分音
- 聲學，預期 6–10 位講者
- 逐字模式
- 完整 — 保留語言不流暢
- 重疊處理
- 內聯標記 [overlap]
- 自訂詞彙
- 篩選器中的產品/品牌名稱
- 講者標籤
- 工作後可編輯，全部傳播
- 匯出
- DOCX（QDA 就緒）、帶時間戳的 TXT
Accuracy · real-world numbers
每參與者領夾麥時達 94%。 單一房間麥克風時保持 82%。
焦點小組準確率受到麥克風拓撲的限制，而不是模型。每位參與者的領夾給了我們清晰的每講者通道 — 分音變成微不足道的事。會議表上的一個邊界麥克風對應 8 個聲音是困難情況。下面的數字來自我們管道中的真實研究錄音。
94%
每位參與者領夾麥
每位參與者在他們自己的軌道上，混合為多軌道 WAV。分音被跳過 — 僅為文本錯誤。論文級工作的最佳情況。
91%
會議麥，4–6 位參與者
邊界麥居中在表格上，中等房間處理。聲音可區分，相似性別和年齡的參與者之間偶爾混淆。
86%
單一房間麥，7–10 位參與者
交叉談話頻繁，相似聲音在聲學分音下合併。預計在分析前對講者晶片進行 10–15 分鐘的重新命名和合併。
82%
Zoom 上的遠端小組單聲道
壓縮的單聲道混合，無可用的每通道分割。字詞仍可用於主題編碼，但逐字說法在此處削弱。
常見問題
的 8 個常見問題。 關於焦點小組轉錄
01我可以將發言者 1 重新命名為參與者的實際名稱或 ID 嗎？+
可以。點擊編輯器中的任何講者晶片，輸入名稱或篩選器 ID（例如「P04_F_34」），它會傳播到該講者在轉錄稿中的每一輪。DOCX 匯出使用重新命名的標籤。
02你如何處理交叉談話和重疊的語音？+
我們使用 `[overlap]` 標記內聯標記它並保留兩位講者的發言在轉錄稿中。通用工具通常選擇一個聲音並丟棄另一個 — 我們不會，因為重疊時刻通常是焦點小組實際動態所在的地方。
03DOCX 真的能乾淨地導入 NVivo 和 ATLAS.ti 嗎？+
是的。我們使用講者標籤作為段落風格標題進行匯出，NVivo 在導入時自動編碼，ATLAS.ti 將其識別為講者輪次。Dedoose 通過其轉錄稿導入路徑接受相同的 DOCX。
04你能在一個檔案中分音多少講者？+
軟性上限約 12 個。超過此，聲學叢集開始合併相似的聲音 — 這通常意味著你方面需要進行 10–15 分鐘的重新命名。在工作表單中明確設定「預期講者」以獲得最佳結果。
05逐字或清理 — 我可以選擇嗎？+
兩者都可以。逐字模式保留每個「嗯」、錯誤的開始和重複的字詞用於話語分析。清理去除語言不流暢以提高可讀性。你按工作進行選擇；研究範本的預設是逐字。
06關於 IRB 要求和參與者機密性怎樣？+
檔案在我們的基礎設施中處理，不發送到第三方 API。我們為 IRB 協議提供按工作 N 天後自動刪除標誌。我們符合 SOC 2 Type II 和 GDPR；如果你的 IRB 需要，DPA 在法律頁面上。
07我應該錄製視頻還是僅音頻？+
僅音頻也可以 — 我們不在分音中使用視頻。如果你有視頻用於參與者識別，將其保留在本地用於你自己的編碼；只上傳音頻軌道更快更便宜。
08成本與 Rev 人工逐字相比怎樣？+
90 分鐘焦點小組在此運行約 $2.70，對比 Rev 逐字約 $135。權衡是準確率：我們根據麥克風設定著陸 86–94%，Rev 人工轉錄師達到 ~99%。大多數研究人員首先使用我們進行第一遍，只有在需要時才將特定小組升級為人工。