播客转文字稿：从录音到可发布文稿的五个步骤
一期 60 分钟的播客，转成文字稿有两万字。直接丢上去发布，读者三行就划走了；但花两小时精修，又不如去录下一期。播客文字稿的价值不在「全」，而在「取舍」——留下能被搜索、能被引用的部分。
这篇给一套从录音到可发布文稿的五步流程，包括说话人区分、口水词处理和时间戳章节。
一、先定用途，再决定精修程度
| 用途 | 字数 | 精修程度 | 产出 |
|---|---|---|---|
| 节目简介（shownotes） | 300~600 字 | 低，摘要点即可 | 时间戳章节 + 嘉宾信息 |
| 全文稿（可访问性 / SEO） | 与节目等长 | 中，去口水词、补标点 | 分段落、带说话人 |
| 文章改写 | 1500~3000 字 | 高，重组结构 | 可独立阅读的深度文 |
| 金句卡片 / 社媒片段 | 50~200 字 | 极高，只取精华 | 配图短文案 |
建议顺序：先做全文稿，再从全文稿里摘 shownotes 和文章。反过来做，等于重复劳动。
二、录音阶段就决定上限
- 分轨录：两人各一路音轨，转写后天然分开，不用猜谁在说话；
- 各自本地录音：线上对谈时，双方本地录自己的声音，避免网络压缩损失；
- 开场打板：录一句「三、二、一」或拍一下手，方便后期对齐音轨；
- 控制环境：关空调、关窗、避开键盘直录，噪声会让识别率明显下降。
三、转写与说话人区分
- 先整体转写，不要边转边改；
- 标注说话人：分轨录音直接按轨道标；单轨录音用工具自动分离，再人工核对；
- 统一称谓：全文统一用「主持人 / 嘉宾」或真名，别混用；
- 保留时间码：后面做章节、做视频切片都要用，导出时别丢。
转写准确率的提升方法见 转写准确率怎么提高；如果录音是粤语，先看 粤语语音转文字。
四、校对：删什么、留什么
口语转书面，删减有明确优先级：
| 类型 | 处理 | 示例 |
|---|---|---|
| 口头禅 | 全删 | 「就是说」「那个」「对吧」 |
| 重复与自我纠正 | 保留最后版本 | 「我们当时——我们那时候」→「我们那时候」 |
| 语气词 | 大部分删，情绪处留 | 「啊」「嗯」 |
| 半截话 | 补全或删除 | 「这个东西它其实……」 |
| 跑题段落 | 删或压缩成一句 | 闲聊、设备调试 |
原则：保留观点、案例、情绪，删掉语法噪声。全文稿不需要逐字忠实，但也不能改变原意——引用嘉宾的话时尤其要小心。
五、发布：章节、内链与结构化
- 加时间戳章节：每 5~10 分钟一个节点，写清「话题 + 时间」，读者能跳着听；
- 分段加小标题：按话题切 H2，每段 300~500 字，别做成文字墙；
- 补关键链接：提到的书、工具、人名，加站内或站外链接；
- 写一段摘要：开头 100 字说清「这期讲了什么、适合谁听」；
- 结构化数据：用
PodcastEpisode或Article标记，利于搜索展现。
全文稿天然适合 SEO：口语里包含大量长尾问法，正是用户会搜索的句子。把这些问题提炼成小标题，比硬堆关键词有效得多。
六、常见问题
两万字的稿子要校对多久？
熟练后大约是节目时长的 1~1.5 倍。用「先批量替换专有名词、再逐段通读」的方式能压到 1 倍以内。
要不要保留「嗯、啊」？
全文稿基本不留；如果是访谈类、想保留现场感，可以在情绪转折处留少量。
自动说话人分离准吗？
两人对谈准确率较高，三人以上容易串。人少时手动标更快，人多时用工具初分再人工核对。
能不能直接让 AI 写成文章？
可以，但要给足上下文并要求「只使用转写稿中的事实」。AI 改写容易添油加醋，发布前必须核对事实与引语。
小结
播客转文字稿的流程是：先定用途 → 录音分轨 → 整体转写并标说话人 → 按优先级删口水词 → 加章节与小标题发布。别追求逐字稿的「完整」，要追求「读者能读完、搜索引擎能读懂」。这样一份稿子，才能同时服务听众、读者和搜索流量。
更多转写与整理方法见 音频转写 栏目。