3小时录音转写实测:4个工具错字率最高8.6%

5 月 20 日,我把同一段 3 小时 12 分的多人访谈录音,在 4 个转写工具上各跑一遍,逐字核对了前 30 分钟。录音里有 5 个人说话,其中两个人习惯抢话,语速最快的一段 12 秒说了 47 个字。
错字率差别不小:最低的工具 2.9%,最高 8.6%。按段落拆开看,单人独白的段落最低到 1.7%,多人抢话的段落普遍翻倍,最高的一段到 14.3%,人名字几乎全错。
时间码也测了。4 个工具里有 3 个偏移在 2 秒内,另外 1 个在长录音后段偏移到 11 秒,导出后要手动对齐,否则引用原话会对不上录音位置。
结论写进了《写作者的工具箱》,附原始对照表,含每段录音的时间码和错字清单。要直接引用的稿子,转写完仍需回听一遍抢话段落,这一步没法省。
测试素材是一段 3 小时 12 分的采访录音,含 4 位受访者、2 种方言和 1 段 8 分钟的街边嘈杂片段。4 个工具里出稿最快的一版用了 26 分钟,最慢的用了 3 小时 41 分;把方言段落单独切出来重跑,错字率从 8.6% 降到 4.1%。
4 个工具的输出并排放进一张表,逐句标错,共标出 214 处。其中人名 61 处、数字 43 处、方言词 39 处、标点 71 处;数字错最容易被漏看,因为读音相同,只看字形发现不了,必须回头核对原话。