Option 01
Descript
全功能编辑器，内置转录功能。强大，但你得长期在他们的应用内工作。
要求桌面应用 + 项目
多轨说话人识别支持
节目笔记初稿Underlord AI，付费层级
章节标记手动
导出SRT · DOCX · MP4（带编辑）
价格$24/用户/月（Creator 计划）
Best for独立播客主，编辑方式是在文字稿中删除单词，想要一个工具干所有事的人。
播客转录。从母带到节目笔记，一次完成。
上传你的播客节目母带，或粘贴 SoundCloud、Bandcamp 或 YouTube 链接。获取发言人标签、章节标记、节目笔记初稿，以及可供社交媒体使用的精选引用。
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
↓ 看看输出结果
母带输入。 节目页面输出。
如果你在 Riverside、SquadCast 或 Zencastr 上录制，导出每位嘉宾单独轨道 WAV 文件。我们检测多轨音频并完全跳过说话人识别 — 每位主持人和嘉宾已经在各自的通道上。
节目 47 母带
自动检测 en-US48 kHz 立体声 · 256 kbps MP3
~90s
文字稿 · 流式传输
S1
欢迎回来。今天我坐下来采访一位在 18 个月内将通讯从零增长到 80,000 订阅者的人。
S2
谢谢邀请。8 万听起来很整数，但第一年老实说真的很艰难。
S1
跟我讲讲第一年。转折点是什么？
S2
老实说？放弃周更节奏。一旦我改成一周两期，推荐就开始复利增长。
工作室母带上 96% 准确SRT · DOCX · TXT · 章节 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.
三个真实的选择 · 诚实比较
Descript. Castmagic. 或我们。
Descript 希望你在他们的应用内编辑音频。Castmagic 是专为节目笔记输出而生，别的都不做。我们介于两者之间 — 提供干净的文字稿加节目笔记初稿，文件可以发往你任何发布平台。
Option 02
Transcription.Solutions
上传母带或粘贴 YouTube 链接。文字稿、章节、节目笔记、精选引用 — 一次完成。
要求无 — 直接上传文件
多轨说话人识别每轨自动检测
节目笔记初稿所有计划都免费
章节标记自动生成（含时间戳）
导出SRT · VTT · DOCX · TXT · JSON
价格 · 每分钟$0.03
Best for已在 Logic、Hindenburg 或 Reaper 中编辑的播客，只需要文本制品来发布节目。
Option 03
Castmagic
为节目笔记输出而生。精致的提示词，但固定在一种工作流，倾向英文。
要求账户 + 上传
多轨说话人识别仅单声道
节目笔记初稿支持 — 核心功能
章节标记支持（付费）
导出TXT · DOCX · 剪辑建议
价格$49/月（10 小时限制）
Best for英文采访类播客，想要一键生成推文线、总结和时间戳 — 仅此而已。
定价信息截至 2026 年 5 月。Descript Underlord 功能随计划层级变化。
播客特有
通用转录工具在播客转录上的三个陷阱。
在上传母带前，设置好这些选项，文字稿就会以发布就绪的状态返回。
会出现的问题
- 1音乐床垫和开场音效。 通用工具转录你的片头或在音乐床上生成虚拟词。节目笔记初稿就以垃圾开头。
- 2嘉宾名字和品牌提及。 首次出现的嘉宾、不寻常的拼写、含有无声字母的公司名 — 每次都是音标猜测。你花 20 分钟查找和替换。
- 3章节标记以纯时间戳块的形式导出，而非你的托管平台（Buzzsprout、Transistor、Captivate）可导入的结构化列表。
这里要调整什么
- 1在工作表单中标记开场/结尾时间窗口（例如 0:00-0:42）。我们跳过这些范围的转录，在第一个说话词处恢复。
- 2在提交前，将嘉宾名字、公司和任何专业术语粘贴到自定义词汇表中。识别器将把它们作为提示 — 不是会过拟合的强制匹配。
- 3切换章节导出 · Podcasting 2.0 格式。你会得到一个 .chapters.json，Buzzsprout 和 Captivate 可以直接导入，加上节目笔记的 markdown 版本。
播客推荐的工作设置
上传播客母带时这些选项默认打开。每个节目都可从表单覆盖。
- 说话人识别
- 多轨若检测到，否则音学识别
- 发言人模型
- 采访 · 2-4 位发言人
- 语言
- 自动检测 · 多语言打开
- 填充词
- 保留（关闭以用于博客文章）
- 总结
- 节目笔记 + 章节标记 + 5 条精选引用
- 导出
- DOCX · SRT · chapters.json · TXT
Accuracy · real-world numbers
工作室母带 97% 准确率。 远程嘉宾也表现稳定。
播客音频的质量范围很广。来自 Riverside 或 SquadCast 的每位嘉宾多轨是最优情况；单只电容麦克风接入 Logic 也不错。电话嘉宾和现场录音每况愈下。以下数字来自真实用户节目，而非合成测试集。
97%
多轨 WAV，每位嘉宾单独通道
Riverside / SquadCast / Zencastr『每位参与者单独轨道』导出。每条语音隔离，跳过说话人识别 — 仅文本层面误差。
95%
工作室电容麦克风，后期母带
Shure SM7B 或类似接入干净混音，256 kbps+ 码率。双人主持播客通常在这个水平。我们数据中最精良的播客。
92%
单声道混音，3-4 位发言人
座谈会单个 MP3。声学说话人识别，相似声音可能混淆 — 计划个 2 分钟的发言人标签修正。
86%
远程嘉宾，电话或笔记本电脑麦克风
压缩 VoIP 或��记本内置麦克风。单词可用，偶尔遗漏人名和品牌提及。我们数据中最差的情況。
常见问题
关于播客转录，人们常问的 8 个问题。
01我可以粘贴 SoundCloud 或 Bandcamp 链接而不用上传文件吗？+
可以。粘贴公开节目链接，我们直接获取音频 — 无需先下载母带。如果你的节目也在 YouTube 上发布，YouTube 链接也可以。
02你自动生成节目笔记和章节标记吗？+
可以，在所有计划上都支持。文字稿完成后，我们运行总结流程生成节目笔记初稿、6-10 个带时间戳的章节标记，以及 5 条社交媒体格式的精选引用。在仪表板编辑或导出到 DOCX。
03上传的最佳格式是什么 — MP3、WAV 还是 FLAC？+
如果有的话 WAV 或 FLAC，192 kbps+ 的 MP3 ���可以。我们不重新编码，所以干净的源文件意味着更干净的文字稿。避免 64 kbps MP3 — 准确率下降 3-4 个百分点。
04我可以上传 Riverside 或 SquadCast 的多轨导出吗？+
可以。把每位参与者的 WAV 打包在一个 zip 中或作为一个干声集上传。我们检测多轨结构，将每条轨道标记为一个发言人，跳过声学说话人识别 — 这就是我们在双人主持播客上达到 97% 的方式。
05如果我在后期中剪辑了片段，如何让文字稿与编辑后的节目匹配？+
上传最终母带（编辑后），而不是原始录音。时间戳就会与听众实际听到的对齐。如果编辑后再转录，需要重新运行 — 我们不会自动同步编辑。
06文字稿能作为 YouTube 或 Spotify 上的字幕用吗？+
可以。导出 SRT 或 VTT 给 YouTube。Spotify 从你的托管平台拉取字幕 — Buzzsprout、Transistor 和 Captivate 都可以直接接受我们的 SRT 导出。
07你怎么处理口音重的嘉宾采访节目？+
自动检测无需配置改动就能处理地域英语变体（印度英语、苏格兰英语、南非英语、AAVE）。对于非英文母语使用者，预期准确率在 88-92% 范围。在提交前把嘉宾名字和任何技术术语添加到自定义词汇表。
08转录后我能在所有往期节目中搜索吗？+
可以。每条文字稿都可以从仪表板搜索 — 跨你整个档案的全文搜索，含时间戳。点击一个结果，你会跳到音频的那个时刻。当嘉宾提到你八期前讲过的东西时很有用。