選項 01
Descript
內建轉錄的完整編輯器。強大，但你必須永遠待在他們的應用程式裡。
需要桌面應用程式 + 專案
多軌說話人自動識別是
節目稿草稿Underlord AI，付費層級
章節標記手動
匯出SRT · DOCX · MP4（含編輯）
成本$24/使用者/月（Creator）
Best for想在轉錄稿中刪除單字來編輯、且需要一個工具搞定所有事的獨立播客製作人。
播客轉錄。從主檔案到節目稿，一次完成。
放入你的播客集數主檔案，或貼上 SoundCloud、Bandcamp 或 YouTube 連結。取得說話者標籤、章節標記、節目稿草稿，以及社群用的重點引言。
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
↓ 看看輸出結果
主檔案進去。 集數頁面出來。
如果你在 Riverside、SquadCast 或 Zencastr 錄製，匯出每位來賓一個音軌 WAV。我們偵測多軌制並完全跳過說話人自動識別 — 每位主持人和來賓已各自在自己的頻道上。
第 47 集主檔案
自動偵測 en-US48 kHz 立體聲 · 256 kbps MP3
~90s
轉錄稿 · 串流
S1
歡迎回來。今天我跟一位在 18 個月內把電子報從零做到 8 萬訂閱的人坐在一起。
S2
謝謝邀請。8 萬這個數字看起來很乾淨，但第一年說實話非常艱難。
S1
帶我走過第一年。關鍵是什麼？
S2
坦白說？殺死週刊的節奏。一旦我改成每週兩次，推薦就開始複利成長。
錄音室主檔案 96%SRT · DOCX · TXT · 章節 MP4
↓ 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
Descript · Castmagic · 或我們。
Descript 希望你在他們的應用程式內編輯音檔。Castmagic 是專為節目稿輸出而生，但僅此而已。我們在中間 — 乾淨的轉錄稿加上節目稿草稿，檔案去你發布的地方。
選項 02
Transcription.Solutions
放入主檔案或貼上 YouTube URL。轉錄稿、章節、節目稿、引言 — 一次完成。
需要什麼都不用 — 放檔案就行
多軌說話人自動識別每頻道自動偵測
節目稿草稿免費提供，所有方案都有
章節標記帶時間戳記的自動產生
匯出SRT · VTT · DOCX · TXT · JSON
成本 · 每分鐘$0.03
Best for已經在 Logic、Hindenburg 或 Reaper 編輯、只需要文字成品來發布集數的節目。
選項 03
Castmagic
為節目稿輸出而生。漂亮的提示，但受限於單一工作流程且偏英語。
需要帳戶 + 上傳
多軌說話人自動識別僅單軌
節目稿草稿是 — 核心功能
章節標記是（付費）
匯出TXT · DOCX · 剪輯建議
成本$49/月（10 小時上限）
Best for想一鍵產出推文串、摘要和時間戳記、不需其他功能的英文訪談節目。
定價準確至 2026 年 5 月。Descript Underlord 功能因方案層級而異。
播客特有
三件通用轉錄工具會卡住的事。
上傳主檔案前設定這些，轉錄稿就準備好發布了。
什麼會出錯
- 1音樂床和開場音效。 通用工具會轉錄你的開片或在音樂床上編造單字。節目稿草稿就會以垃圾開頭。
- 2來賓姓名和品牌提及。 第一次出現的來賓、不尋常的拼法、無聲字母的公司名稱 — 每次都是音位猜測。你花 20 分鐘尋找替換。
- 3章節標記匯出成時間戳記的平面區塊，不是你的託管平台（Buzzsprout、Transistor、Captivate）能匯入的結構化列表。
這裡要切換什麼
- 1在工作表單上標記開場、結尾視窗（例如 0:00-0:42）。我們跳過這些範圍的轉錄，在第一句話恢復。
- 2在提交前將來賓姓名、公司和任何小眾術語貼入自訂詞彙。辨識器把它們當成提示 — 不是過度配合的硬段符。
- 3切換章節匯出 · Podcasting 2.0 格式。你會得到一個 .chapters.json，Buzzsprout 和 Captivate 直接吃進去，加上節目稿用的 markdown 版本。
播客的建議工作設定
放入播客主檔案，這些會預設開啟。每集從表單覆寫。
- 說話人自動識別
- 偵測到多軌則多軌 · 否則聲學
- 說話人模型
- 訪談 · 2-4 位說話者
- 語言
- 自動偵測 · 多語言開啟
- 填充詞
- 保留（部落格文章可關閉）
- 摘要
- 節目稿 + 章節標記 + 5 個引言
- 匯出
- DOCX · SRT · chapters.json · TXT
Accuracy · real-world numbers
錄音室主檔案 97%。 遠端來賓也穩定。
播客音檔的品質範圍很廣。來自 Riverside 或 SquadCast 的每位來賓多軌 WAV 是最好情況；單支電容麥克風進入 Logic 也不遠。通話客人和現場錄音衰退最快。下方數字來自真實客戶集數，不是合成測試集。
97%
多軌 WAV，每位來賓一個頻道
Riverside / SquadCast / Zencastr「每位參與者一條獨立音軌」匯出。每個聲音隔離，跳過說話人自動識別 — 純文字錯誤。
95%
錄音室電容麥，後期製作主檔案
Shure SM7B 或類似麥克風進入乾淨混音，256 kbps+。雙主持人節目落在這裡。我們資料中最精緻的播客。
92%
單聲道合併，3-4 個聲音
一個座談集數的單一 MP3。聲學說話人自動識別，類似的聲音可能合併 — 預留 2 分鐘重新命名說話人標籤。
86%
遠端來賓用通話或筆電麥克風
壓縮的 VoIP 或內建筆電麥克風。分辨單字沒問題，人名和品牌提及偶有遺漏。我們資料中最差情況。
常見問題
8 個的常見問題。 關於播客轉錄
01可以貼 SoundCloud 或 Bandcamp URL，而不用上傳檔案嗎？+
可以。貼上公開集數 URL，我們直接取用音檔 — 無需先下載主檔案。YouTube 連結的方式相同，如果你的節目也在那裡發布。
02你會自動產生節目稿和章節標記嗎？+
是，在所有方案都有。轉錄稿完成後，我們執行摘要傳遞，產生節目稿草稿、6-10 個帶時間戳記的章節標記，以及 5 個社群格式引言。在儀表板編輯或匯出到 DOCX。
03最好的上傳格式是 MP3、WAV 還是 FLAC？+
如果有 WAV 或 FLAC 最好，MP3 192 kbps 以上沒問題。我們不重新編碼，所以乾淨的來源表示乾淨的轉錄稿。避免 64 kbps MP3 — 準確度降 3-4 點。
04可以上傳 Riverside 或 SquadCast 的多軌匯出嗎？+
可以。把每位參與者的 WAV 壓縮在一起或作為音軌組上傳。我們偵測多軌結構，將每軌標記為說話者，跳過聲學說話人自動識別 — 這就是我們在雙主持人節目達到 97% 的方式。
05如果我在後期製作中剪切了段落，怎樣讓轉錄稿符合編輯版本？+
上傳最終主檔案（編輯後），不是原始錄音。時間戳記就與聽眾實際聽到的內容對齐。如果你在轉錄後編輯，你需要重新執行 — 我們不會自動同步到編輯。
06轉錄稿能作為 YouTube 或 Spotify 上的字幕嗎？+
能。匯出 SRT 或 VTT 給 YouTube。Spotify 從你的託管平台提取字幕 — Buzzsprout、Transistor 和 Captivate 都直接接受我們的 SRT 匯出。
07你怎樣處理有重口音來賓的訪談節目？+
自動偵測在不需設定改變的情況下處理區域英文（印度、蘇格蘭、南非、非裔美國英文）。對於非英文母語人士，預期準確度落在 88-92% 範圍。提交前將來賓姓名和任何技術術語加入自訂詞彙。
08一旦轉錄後，我可以搜尋每集過往內容嗎？+
可以。每份轉錄稿都可從儀表板搜尋 — 跨你的存檔全文搜尋，帶時間戳記。點擊一個結果，你跳到音檔中的那一刻。當來賓提到你八集前的內容時很有用。