聽打, 逐字稿, 逐字聽打, 錄音聽打
錄音檔轉文字：訪談、會議記錄、錄音、課程、演講、影音資料文書化，或者是任何生活上你覺得重要而用錄音記錄下來的事情，都可能會有製作逐字稿的需求，需要將影片或者錄音檔轉成文字檔。
影片上字幕：其實在我們的生活習慣裡，對字幕的存在是很依賴的，無論是聽力的不足，或是必須要使用靜音播放，都是字幕，也就是逐字稿必須要存在的原因。影片帶有字幕對觀衆來說是相當方便的，不必全神貫注地聽聲音，也可以透過逐字稿知道內容。 音檔轉文字和爲影片上字幕都是相當耗費精神的逐字稿製作，若是使用人工錄音聽打的方式，必須要非常全神貫注，甚至反覆聆聽，搭配良好的語文水準及足夠的打字速度，才能完成。而利用最新的AI 技術，據說可以快到幾分鐘之內幫你聽寫出影音檔內的語音文字，自動製作逐字稿和字幕。
如何利用AI語音製作逐字稿呢？
今天就跟大家分享文字轉語音的逐字稿好幫手吧！
何謂語音轉文字 (Speech to Text) 呢？就是把語音數據變成文字，例如訪談紀錄、採訪、課堂錄音、會議記錄等錄音檔，變成文字，這個把錄音檔轉成文字的結果，就是逐字稿囉！
由人工錄音聽打製作逐字稿的過程，常常需要反反覆覆聆聽，去仔細分辨說話人的聲音，往往需要花錄音檔好幾倍的時間，去做錄音聽打，相當耗時及耗費精神。近年來，人工智慧的發展迅速，語音轉文字的準確度和速度早已今非昔比，已經達到約90%以上的正確率，其中效率更是人工無法比擬的。語音識別 ASR (Automatic Speech Recognition)，將語音用訓練好的模型辨識，根據機器學習，通過大量語音及對應文本數據進行訓練。例如iPhone 裡的 Siri 就是典型的語音辨識。但是同一個聲音，會有不同字符的可能（如 “音” 和 “因”），這時候就需要利用第二部分即語言模型，根據上下文，歷史，頻率統計字符概率，去推斷。例如前一個字是“窗”，那下一個字便可能是“戶”。使用算法根據概率將字符轉化為文本，然後由系統返回。當然具體的過程會比這個複雜得多，為了達到很高的準確度，除了算法複雜，也需要對音檔進行一些預處理，如把背景的噪音去除等。
這樣得過程聽起來很複雜，但現在我們能夠使用的逐字稿軟體，都已經將過程簡化，變得十分簡單容易應用。現在很容易搜尋到各式各樣的逐字稿軟體，他們夠過AI語音去辨識，而我們只要把音檔上傳，就可以快速地獲得自動由錄音檔轉文逐字稿的文字檔，甚至，網站還會提供各式格式的檔案下載，word、txt等。
但是，畢竟科技始終來自人性，也始終無法取代人類。即使是人工錄音聽打，製作出的逐字稿都會因為種種因素而難以保證百分之百正確。AI語音辨識在這方面也面臨的同樣的情況。我們會因為環境的吵雜；語言的轉換；專業術語的使用，而無法準確的辨識。AI語音辨識在這一塊，是略遜於人工錄音聽打的。因此，即便我們使用了AI語音辨識，也不可能直接完稿就交件，還是必須要使用人工再次修改、確認，甚至潤稿。至於這樣是否能夠節省很多的時間，這點就因人而異了。有時候因為錄音檔的不完整，或者說是錄音品質不佳，而導致AI語音辨識的準確度大大下降。這個時候，即使先使用自動的語音轉文字軟體，也難逃需要重新聽取錄音做聽打的結果。那麼就可以說是沒辦法節省時間也並沒有取代人力了。
難道我們真的沒辦法使用AI辨識節省錄音聽打耗費的時間嗎？
其實還是可以的。像是很多長輩並不是很熟悉手機鍵盤的輸入法，我們常常看見他們對著手機一字一句地唸出想要輸入的文字，那其實就是AI語音辨識相當成功的例子。
當然，我們也可以看見，長輩為了讓手機能夠讀取，正確地輸入他們的逐字稿，總是刻意放慢並且清楚地唸出每一個字。在這個區塊上，AI語音辨識的正確率仍然是相當高的。如果，我們能夠確保在訪談、會議等錄音現場，每個人能夠控制自己，字正腔圓，發音清楚而說話不囫圇吞棗、不結巴，那AI語音辨識確實能夠如我們前面所提到的，有高達90%以上的正確率。然而，事實是在會議、演講等現場，尤其話語帶有情緒時，我們是不可能用那樣不自然的方式講話的。因此，錄音聽打的人工完全存在著不可被取代的條件。不只是因為我們對逐字稿的需求，而是因為口語化語言的辨識對於AI語音辨識來說，仍然存在著一定程度的困難。
聽打, 逐字稿, 逐字聽打, 錄音聽打
你也有過人的聽力及極高的耐性嗎？那麼錄音聽打員這樣的工作可能很適合你！
錄音聽打，顧名思義就是邊聽邊打，將所聽到的字句一字不漏的打字下來，所以被稱為逐字稿。而我們在人工聽錄音的判斷能力，無論如何都將比機器準確。因為有很多時候，在談話的現場，人的語音、語速，並不會配合錄音機器，不會一字一句講得非常刻意清楚，也不會為了錄音而主動放慢。這個時候，錄音聽打員的工作條件就具備了極佳的聽力、耐心、細心，並且能夠根據前後文去推斷聽不清楚的某幾個字詞，這個部分也是人工比機器準確的原因。
錄音聽打員真的是聽到什麼就打什麼嗎？
其實並不是的。
從事這樣工作的人，對文字的敏銳度必須要夠高，才能夠精確地還原真實的語意。
如果，錄音聽打有真的聽不清楚的地方怎麼處理？
在製作逐字稿的時候，錄音檔難免會有聽不清楚的地方。可能是現場環境、對方語速、語調，或甚至有時候是發言者當下語焉不詳、結巴等情況，這些都是無可避免的。
在這樣的情況下，除了反覆聆聽、嘗試聽懂外，錄音聽打員會將這個部份在逐字稿上標註起來，由錄音者去比對現場的狀況，由當時在現場的人員去決定正確的字詞使用。
使用AI語音取代人工錄音聽打，能讓逐字稿的進度直接從零到一嗎？
在資訊爆炸的時代，流行就是什麼都要AI一下。網上也流傳了各式各樣的AI語音系統，雅婷逐字稿、Google語音轉文字、Python等。最簡單且免費的，好像我們只要能夠活用Google語音、Google線上文件，我們就能輕鬆擁有採訪逐字稿，甚至能夠用說的寫作文。
然而，如我們前面所提過的，實際上人工的存在一直都有不可取代性。在任何自然、正常的錄音及錄影的情況，我們都不會刻意放慢語速，更不會特意字正腔圓配合錄音紀錄。
雖然坊間看起來已經有非常多關於AI語音製作逐字稿的軟體介紹、使用心得，我們以專業的錄音聽打人員角度來說，錄音檔的內容可能會需要前後文判斷，考量到的因素很多不是只有聽到什麼打什麼。如果用AI語音製作出來的逐字稿其實並沒有真的正確率很高，那麼就不會是零到一，甚至可能要花更多時間去整理稿件，重新聽錄音，很有可能實際上根本沒有節省時間。
不同案件的逐字稿會有不同的打法嗎？
通常錄音聽打員在接案子的時候，必須要了解用途。這將會稍微影響逐字稿的打法。
例如，如果要幫影片上字幕，那不管說話的人是不是結結巴巴、詞不達意，都需要一字不漏的記錄下來。而如果是要出版的刊物，則可以微微的修飾一些字詞，避免贅字、情緒字眼等。但為了忠實訪問的原貌，仍然是不可省略字詞的。因此，在接逐字稿的工作時，最好能夠詢問清楚對方的用途，以商量打字撰稿的自由度。若是沒有詢問，則一字一句全部紀錄會是比較好的做法，能夠避免紛爭。
到底誰需要逐字稿呢？
逐字稿這個時常聽到的字眼，普遍也許大家會想到的是開庭，或者會議記錄等相當正式的場合。
但其實逐字稿的使用範圍遠遠不止這些喔！
幫電影或Youtube頻道等影片上字幕、Podcast的內容記錄、課程教學內容的錄音、社工人員的訪談紀錄、警務人員的訊問錄音等，都是錄音聽打製作逐字稿的應用範圍。
到這裡，你是否也覺得逐字稿與我們的生活算是息息相關呢？
每天打開電腦追的劇，打開Youtube看的影片，都屬於逐字稿的應用範圍。
是不是很意想不到，原來，生活裡的逐字稿，未必都是是那麼嚴肅而學術呢！
聽打, 逐字稿, 逐字聽打, 錄音聽打
究竟為什麼可以用講的就能夠自動製作成逐字稿呢？今天就來跟大家介紹一下語音辨識啦！
語音辨識（speech recognition）技術，又稱自動語音辨識（英語：Automatic Speech Recognition, ASR）、電腦語音識別（英語：Computer Speech Recognition）或語音轉文字識別（英語：Speech To Text, STT），目標是以電腦自動將人類的語音內容轉換為相應的文字，是一種可以讓程式透過書面形式處理人類語音的功能。
那麼，語音辨識跟聲音辨識是一樣的嗎？其實是完全不同的喔！
語音辨識著重於從口語轉換為文字，而聲音辨識則是試圖識別不同使用者的聲音！
我們越來越有錄音聽打做紀錄的需求，無論是訴訟、學術研究討論、演講、會議記錄，或者更日常一些，現在流行的Podcast也開始製作逐字稿，方便聽眾重複瀏覽內容。
那我們究竟是什麼時候開始有語音辨識需求的呢？是為了做逐字稿嗎？錄音聽打員的需求又是什麼時候開始的呢？
我們從語音辨識的歷史開始說吧！
其實早在發明電腦之前，自動語音辨識就已經開始有雛型了喔！最早的聲碼器開啟了語音辨識的歷史。最早的語音辨識產品則是1920年代生產的“Radio Rex”玩具狗。只要呼喚這隻玩具狗的名字，它就會從底座彈出來喔！最早的電腦語音辨識系統則是AT&T1貝爾實驗室開發的Audrey語音辨識系統，透過跟蹤語音中的共振峰辨識，能夠辨識10個英文數位，並且該系統得到了98%的正確率。到1950年代，倫敦學院將該語法概率加入語音辨識。1960年代，人工神經網路被加入了語音辨識，這一個時代做出了線性預測編碼Linear Predictive Coding及動態時間規整Dynamic Time Warp兩項突破性的技術。
語音辨識技術的最大突破——隱含馬爾科夫模型Hidden Markov Model應用
從相關數學推理到研究，最終卡內基梅隆大學的李開復等人實現了第一個基於隱馬爾科夫模型的大詞彙量語音辨識系統Sphinx。此後說語音辨識技術就再沒有脫離HMM框架。
到此AI語音辨識技術算是逐漸成熟，而多年來研究人員也一直嘗試推廣「聽寫機」。然而語音辨識仍然無法取代傳統的人工錄音聽打，無法完整辨識各種領域的術語，因此無法製作出完整不需要人工修改的逐字稿。˙
而關於錄音聽打製作逐字稿的部分，從什麼時候開始可以說是根本不可考了⋯
早期的逐字稿廣泛的被應用於會議記錄、訴訟、研討會等正式場合。一開始當然沒有錄音聽打，只有現場速記人員、會議記錄人員做直接的紀錄。
所以逐字稿跟會議記錄不一樣嗎？
是的，逐字稿跟會議記錄其實是不太一樣的！逐字稿的重點是原文的保留，除了一些多餘的贅字，例如嗯、對啊、然後、是啊是啊，這樣的贅字外，逐字稿是不會額外刪除記錄下來的文字的。而會議記錄跟逐字稿不同的地方在於，其重點為「議題」，並不是發言的內容。在做會議記錄的時候，不同於逐字稿，我們需要找到真正探討的議題，然後根據這個問題寫下筆記，才能做出有重點的會議記錄。
說來說去，我們還是來討論怎麼做逐字稿吧！
既然AI語音辨識其實無法完全替代人工逐字稿，那我們就來了解一下所謂的逐字稿，是怎麼樣製作出來的。
逐字稿要怎麼做呢？現在大部分的做法都是先使用錄音筆等錄音裝置，把需要做逐字稿的內容先錄下來。然後要做的當然就是就是錄音聽打啦！一字不漏的聽到什麼打什麼。在這個部分最辛苦的莫過於相當耗費精神以及耐心，對於錄音不清楚的部分，可能需要重複聆聽很多次。對於比較沒有錄音聽打經驗的人來說，可能工作十分鐘，才能製作一分鐘的錄音內容逐字稿呢！
那麼在聽打的時候有什麼需要注意的事情呢？
一、
標點符號很重要喔！在任何的文章裡，標點符號的使用都有它的意義存在。在寫逐字稿的時候，像是問句，就務必要使用問號作為結尾喔！
二、
遇到台語或是客語，必須要用國語打成文字，然後標記。
外語的部分則是直接擅打，不需額外翻譯。
三、
務必避免錯字，字詞的前後使用也必須要一致喔！
錄音聽打員最基本的專業就是不能夠打錯字，許多逐字稿都是用在學術研究、公家單位委託等相當正式的場合。即使不能夠一次就正確率百分之百，也應該反覆檢查大大降低錯誤率才顯得專業。
而經常出現的字詞，像是人名或者專有名詞，也都應該保持從頭到尾使用一致。
四、
不確定的專有名詞、地名、人名，請善用Google。
在錄音聽打的過程裡，我們常常聽到的音，不一定能夠馬上打出正確的字。
這個時候我們除了重複聆聽外，也可以使用搜尋的方式，去找到正確的寫法。
看到這裡是不是覺得錄音聽打是一件很辛苦的事呢？
其實這些都只是冰山一角，在真正做錄音聽打時，光是錄音品質的影響，就足夠花費很多精神與時間了！在逐字稿的需求逐漸擴大的情況下，我們只要找到一間適合的翻譯社，就能夠幫自己節省掉很多時間和精力囉！
聽打, 逐字稿, 逐字聽打, 錄音聽打
是鉅細靡遺的一個字一個字的錄音聽打記錄下來，包含然後、恩、阿、對啊、欸，這些字都包含在內，才算是一份逐字稿嗎？在製作逐字稿的時候，有甚麼事情是我們應該要注意到的呢？
首先，我們要討論需要這份逐字稿的目的是甚麼？
一般來說，我們會稍加修飾逐字稿的贅字，也就是前面所提到的：恩、然後、阿等等的字詞，在不影響內容並且能夠更通順的情況下，這些字詞在逐字稿理是會被省略掉的。
通常什麼時候會需要製作逐字稿呢？
逐字稿時常被用於學術研究的訪談內容記錄，或是需要被保存內容的演講。我們通常會先錄音，然後請專人錄音聽打製作逐字稿，再用電子檔或是文書的方式保存。
另外一種逐字稿則是用於演講前準備用。在演講前先製作出逐字稿，逐字的記錄每一句重要的話，以控制演講的內容及時間精準。
錄音聽打是聽到甚麼就打甚麼嗎？
逐字稿常常被用於訪談、研討、質性研究、校平事件、訴訟譯文、會議紀錄、字幕等等。在這些情況下，我們需要紀錄的是當下最真實的語言。所以聽打員在做錄音聽打的時候，原則上就是聽到甚麼打什麼，除了贅字外並不會做多餘的潤稿或是修飾，目的就是呈現最真實的內容。
一個小時的錄音內容，做錄音聽打到底要花多久的時間呢？
第一次做錄音聽打的時候，還記得我做的是會議記錄。自認打字速度一分鐘七、八十字的我，天真地覺得大概一小時多一定能夠完成吧？沒想到才不到二十分鐘，我已經在崩潰邊緣。那個會議同時有太多人講話了！錄音聽打的時候，三、四個人的聲音疊在一起，雖然能夠猜到一部分的意思，但是用猜的就有違製作逐字稿的精神了！我只能一而再再而三地反覆聽著同樣幾秒鐘的對話，直到我能夠聽懂、聽清楚。
所以到底一個小時的錄音內容，要花聽打員多久的時間才能做出逐字稿呢？
我們先假設錄音內的對話，所有人都是正常的語速講話。那一個小時到底能講出幾個字呢？根據統計，大約是一萬兩千到五千不等！剛剛說我的打字速度是一分鐘七十，那光是打出一萬兩千字的逐字稿，我就已經需要一百七十一分鐘！如果我真的輕輕鬆鬆的能夠清楚聽到每一個字就馬上打字下來，那也大約需要三個小時。然而，現實並不是這樣的。在錄音聽打的過程裡，除了前面提到的錄音品質問題外，因為會議、訪談等情況下，都會出現許多的專有名詞，即使錄音的品質非常好，也難保我會有很多需要去查資料確認字詞的情況。一份逐字稿並不是只需要把字打下來就可以，將錯別字的機率降到最低，也是逐字稿必須要做到的事情。
不想花錢的話，能不能自己做錄音聽打呢？
確實，會聽說讀寫中文，就應該能夠做錄音聽打。但也如同前述，錄音聽打並不是一件簡單的事情。雖然並不是非常困難，但需要耗費很多精神是肯定的。
怎麼做能夠讓錄音聽打變得比較簡單呢？
首先，確保錄音品質。這點無庸置疑是最重要的。慎選錄音場地及器材確保錄音品質盡可能清楚。
AI語音辨識能夠幫助我完成逐字稿嗎？
既然我已經擁有清晰的錄音檔了，那是不是能夠使用AI語音辨識取代人工錄音聽打呢？
目前網路上有許多AI語音辨識的軟體及網頁，例如GOOGLE語音轉文字、雅婷逐字稿、速可打謄稿機等。但就如同我們學習各種語文口說會發生的狀況，我們在課本學的語句，並不完全是口語會使用的對話。對於自動的AI語音辨識也可能產生因為我們的對話過於口語，像是包含外來語、網路用語等，而無法正確辨識，進而導致即使使用了相關軟體，依然必須要再校稿才能夠完成逐字稿。
如果我不想要自己做逐字稿呢？我需要花多少錢？
坊間有許多翻譯社、翻譯公司、個人接案者，都有提供錄音聽打的服務。
坊間的收費方式有幾種：音檔分鐘計費、聽打字數每千字計費、時數計費等等。
關於這個部分，通常是個人接案最便宜。但是考量到逐字稿的需求，例如國文程度、知識背景等，在找尋錄音聽打員的時候，還是建議要以口碑、評價或學識背景、作品集作為參考。若一昧追求低價，有可能不會得到一份足夠好的逐字稿，甚至可能需要花額外的時間校稿，那就得不償失了！
聽打, 逐字稿, 逐字聽打, 錄音聽打
AI語音辨識逐字紀錄省時省錢又省力！為什麼我們還需要使用人力來做聽打逐字稿？
逐字稿軟體都已經有中文選項了，錄音聽打人工撰寫逐字稿有什麼不一樣？
關於文字紀錄工作，坊間已經出現很多像是雅婷逐字稿、GOOGLE語音輸入、訊飛語音輸入及oTranscribe等等各式各樣的軟體，省時又省力，不需要花好幾個小時去整理幾十分鐘的對話，使用AI語音辨識就可以將會議記錄的錄音製作成聽打逐字稿。那為什麼我們還需要花錢找專業人士來做呢？
台灣雖然只有兩千三百萬人，但我們除了主要說的國語（華語）外，日常生活的對話裡，總會夾雜著閩南語、客語，甚至是英文、日文等外來語言。而光是我們最常聽到的閩南語，來自不同的地區，就已經足足有四到五種不同的口音了呢！
台灣人的語言如同混血兒一樣，我們說的並不見得是純粹的國語，尤其是口語中，我們常常並不是用那麼正式的國語說話，不僅不會字正腔圓，我們還會使用一些例如火星文、時事梗、外來語，或剛剛所提到的不同腔調的方言，都很難只使用自動的錄音聽打軟體就能夠活靈活現的被正確記錄成逐字稿。
關於錄音聽打的應用，甚麼時候會需要錄音聽打呢？錄音聽打很困難嗎？
打字員接的案子五花八門，從最常見的各種會議紀錄，可能是充滿各式學術專業的，像是醫學、法律、商學背景等，到生活裡的抓姦錄音，或者是法會的現場紀錄等等。錄音聽打的範圍可以說是包山包海。想像一下這些案例，你是不是也突然可以理解，為什麼沒有辦法完全依賴AI語音辨識了呢？在這些案例中，我們說的話可能會又是中文，又是英文，還要加上台語，可能還有髒話。而在打字員製作逐字稿時，有時候也要花很多時間去辨識語言，查詢相關知識，正確的英文文字，或是可能聽也沒聽過的台語俚語，再配上現場可能的吵雜，會議中常常都有好幾個人同時講話而聲音重疊，這些都會讓錄音變得比較難聽懂，要做逐字稿紀錄的困難也會增加。
是不是有中文聽力及打字能力，就可以當錄音聽打員呢？
錄音聽打逐字稿看起來好像不是很困難的工作，是不是人人都能做呢？其實還是有一些需要考量的因素喔！最基本的，常常一個案件的錄音檔就是幾小時，錄音聽打必須要從頭到尾聽完，而如果錄音並不是那麼清楚，那麼一句話可能需要反覆聽好幾遍，耐心就成了必備條件。還有打字效率、國語文能力，錄音聽打乍看之下只要能夠把聽到的字打出來就可以變成逐字稿了，但是音對了字可能是錯的。一個專業的聽打員除了打字效率外，也必須要擁有足夠的國文教育程度，避免出現錯別字。在製作逐字稿時，除了對的用字以外，整理出好的排版，才能讓這份逐字稿是正確並且完整的。
一個好的錄音聽打員應該具備怎麼樣的專業呢？
除了我們剛剛所提到的，製作逐字稿必備的打字速度、國語文教育程度以外，因為錄音聽打所應用的範圍實在太廣了，光是我們常見的會議紀錄逐字稿就時常會運用到各式各樣的學術知識、專有名詞。例如醫學研究機構、商研院的會議，或是論文、訴訟等等。聽打員在製作逐字稿時，必須要擁有足夠的知識背景，或者是快速查詢相關資料的能力，才能夠確保使用的字彙，尤其是專有名詞正確。從另一方面來說，這些聽打員所接觸到的內容常常都是十分機密的。身為一個專業的聽打員，除了正確的寫出逐字稿外，良好的操守也是必備的，遵守政府所訂定的個資及隱私權政策，力行客戶的機密就是聽打員的秘密，良好的職業道德也是聽打員必備的專業喔！
要怎麼找到好的錄音聽打服務呢？
坊間翻譯社、翻譯公司、私人接案翻譯者、聽打員等，很多都有提供錄音聽打逐字稿的服務，對於翻譯社、翻譯公司，大家可以多參考評價、口碑、逐字稿範例等。而對於私人接案，則可以參考學歷知識背景和相關經歷。進而去找尋條件最符合的錄音聽打服務。
工作經驗甘苦談, 聽打, 逐字稿, 逐字聽打, 錄音聽打
為了一圓跟孩子一起成長的夢，決定辭去工作，當一個全職家庭主婦，陪伴他們度過六年的快樂時光，隨著孩子進入國中、高中我開始有更多屬於自己的時間，便找了一份聽打的兼職工作。
一開始覺得聽打這樣的工作應該不難吧，不就是把語音變成文字，記得我第一次接到的案子是談輔具，應該是有關學術報告的內容，一位老師和兩、三位受訪者，當沒有畫面只有聲音的時候才發現大部分的人講話其實是很不清楚，尤其是年輕人，發音、咬字都不講究，所以很難分辨到底說些甚麼，我得來回聽好幾遍才能明白。
有一次接了一個討債的台語案件，而且還是好幾個年長者的聲音，雖說都是台語，但是有些地方的口音跟用語還真的讓我很傷腦筋，加上他們話都說不清楚，同一時間七嘴八舌搶話、吵架，為了把所有的人講的話一一分辨，來回來回聽、想、猜，再看看前後文，盡可能讓內容完整。
我覺得聽打很簡單但也不容易，常常會遇到的困難點就是錄音裡的人講話不清楚、口語聽不懂、語速太快、口音、同時說話或是遇到一些人名、專有名詞、英文……等等，花了很多時間上網查，但是我覺得它給我很不一樣的體驗，從開始到現在也接了30多個案子，包括檢調的詢問、夫妻的離婚、醫療糾紛、債務、詐欺、論文訪談……等，我覺得從這些案子中讓我看到很多不一樣的人生、不一樣的知識領域，每次趕完稿子都想先休息一下，但是每次又忍不住接了下一個案件，我想應該是我也從中找到一些樂趣吧!
