2026年5款廣東話錄音轉文字工具實測對比：逐字稿能不能直接用？

為什麼你需要「廣東話錄音轉文字檔案」？

大部分人對這件事的第一個誤解是：把廣東話錄音丟進工具，跑完就會得到一份可以直接寄出去的會議紀錄。

我以前也這樣以為。

後來才發現，轉出來的東西通常只是原料。它可能是一大段沒有標點的字、可能是兩個人的發言糊在一起、可能是把「唔該」寫成別的字，最常見的是中英夾雜的地方整段歪掉。

所以「廣東話錄音轉文字檔案」真正的意思，不是「把聲音變成字」，而是「把一段聽得懂但不好用的聲音，變成一份可以編輯、搜尋、再利用的資料」。

它通常會以三種形態出現：

逐字稿（TXT、DOCX）：完整保留每句話，適合訪談、會議、研究紀錄。
字幕檔（SRT、VTT）：帶時間碼，適合影片上字幕。
結構化檔（CSV、XLSX）：適合把多段錄音整理成表格或資料庫。

差別從來不在「轉不轉得出來」，而在「轉出來之後，你還要花多少時間重做一次」。

這篇文章，我把幾個常見方案放在一起，說清楚各自適合誰。

Tinrec（秒聽錄音）——把錄音變成可以繼續工作的資料

如果我處理的不是單純一段粵語錄音，而是一場會議、一次訪談、一整套要沉澱下來的研究資料，我會優先打開 Tinrec（秒聽錄音）。

它的定位不是「轉文字工具」，而是 AI 會議紀錄與協作工具。這個差別，在實際使用時會慢慢浮現。

第一個差別是輸入來源夠不夠雜。 即時錄音可以邊錄邊轉，適合線下會議與現場訪談；桌面版直接採集電腦系統聲音，處理 Zoom、Google Meet、Microsoft Teams、Webex 這類線上會議時，不需要再邀請一個會議機器人進來當聽眾；手上既有的音訊、影片檔可以直接上傳；手機端則處理外出與臨時記錄。

第二個差別是轉完之後還有東西。 逐字稿只是起點，它會接著生成摘要、章節、重點與待辦，也能圍繞單場或跨場會議繼續用 AI 問答追問，甚至把內容再加工成報告、表格與文件。這一點，是我認為它和「純轉寫」工具最本質的分野。

第三個差別是出口。 結果可以匯出成常用格式，帶進 Notion、Google Docs、OneNote、Dropbox 繼續用，而不是卡在某個工具裡。

第四個差別在團隊場景。 團隊版是獨立的協作空間，不是多人共用一個個人帳號。會議資料歸團隊所有，可以建立多個團隊空間、用加入連結邀請成員、設定所有者／管理員／一般成員，並分配或收回席位。這裡有個常被誤會的細節：角色決定誰能管理團隊，席位決定誰能錄製、上傳、編輯與匯出。有效但沒有席位的成員，仍然可以查看、播放與閱讀團隊資料，只是不能執行上傳、編輯、匯出等動作。另外還有用量分析、審計日誌、音頻回收站與團隊熱詞。

價格與額度方面，個人版有免費版、週卡、Pro 月卡與 Pro 年卡，按使用節奏選就好；團隊版首次符合資格可試用 7 天、1 個免費席位、300 分鐘團隊共享導入額度，後續月付為 USD 29.80／付費席位／月，年付 USD 199／付費席位／年，每個付費席位每月提供 2,000 分鐘團隊共享導入額度；在有效團隊套餐與有效席位下，即時錄製目前不按分鐘扣減。實際金額與權益仍以正式購買頁面為準。

適合誰： 需要中文與多語言會議紀錄、會後還要整理成紀要與待辦、而且希望資料留在團隊空間而不是散在個人裝置裡的人。

有一個誠實的提醒：粵語口語化程度高、中英夾雜頻繁，加上雜訊與多人搶話時，任何工具的辨識品質都會受影響。Tinrec 我建議的做法，是先拿一段你自己的真實錄音跑一次，看它的輸出長什麼樣子，再決定要不要把整批資料交給它。

Subanana——專為粵語設計的轉寫工具

如果你要處理的是純粵語內容，Subanana 是很直覺的選擇。上載錄音檔或影片、或貼上 YouTube 連結，它會輸出已分講者、已加標點的文字稿，中英夾雜的處理是它主打的強項，口語或書面語可以自選，繁體或簡體也能指定，並可匯出 SRT、VTT、TXT、DOCX、XLSX、Markdown。它也支援瀏覽器直接錄音、自訂詞彙表、AI 摘要與向錄音提問。

免費帳戶可以上載並預覽每個檔案首 15 分鐘的轉寫結果，無須信用卡，但匯出檔案屬於付費功能。官方也明講，嘈雜環境或多人搶話時準確度會下降，建議先用免費預覽確認自己的錄音效果。

適合誰： 以粵語為主、需要多格式輸出（尤其是字幕與表格）的內容工作者與研究者。

別再手動整理錄音

上傳音訊或影片，自動取得逐字稿、摘要與行動項目

試用 Tinrec 下載 Tinrec App

UniScribe——格式支援最廣的通用轉寫

UniScribe 走的是通用路線，支援的檔案格式清單很長：mp3、mp4、mpeg、mpga、m4a、wav、webm、mov、aac、ogg、opus 都能吃。輸出有 6 種格式，包含 srt、vtt、docx、txt、pdf 與 csv，也能自動生成摘要與心智圖，適合快速抓長內容的重點。它採用优化的 Whisper 大型模型，官方表示 1 小時音訊約 1 分鐘內可完成轉錄，但也說明最終品質取決於音訊本身的乾淨程度。

適合誰： 手上檔案格式五花八門、需要一次匯出多種格式的人。

cSubtitle——批次處理與字幕檔為主

如果你的量大，cSubtitle 的批量處理會省事。除了標準文字檔與 Word 逐字稿，它會自動加標點、分段，並生成帶時間碼的字幕檔。它的切入點很務實：會議記錄、訪談、課程、演講、影音資料文書化都需要逐字稿，而人工反覆暫停播放非常耗時。

適合誰： 手邊有一批錄音要一次消化、而且最終產物是字幕或 Word 稿的人。

CantoSubAI——粵語分支與辭典設定的細節控

CantoSubAI 的特點是粵語內部的差異處理得比較細，支援香港粵語、廣州話、東莞話、順德話等分支，並提供個性化辭典設定，可把口語化的粵語轉成書面語、以繁體中文輸出。支援 MP4、MOV、MP3、WAV 等格式，可匯出 txt、docx、pdf。

適合誰： 錄音裡有明顯地區口音差異、或需要把大量口語改寫成書面稿的人。

SoundType AI——手機端的行動錄音轉寫

SoundType AI 以手機 App 形態提供逐字稿、AI 摘要與語者識別，支援超過 90 種語言，適合隨時隨地錄完就轉。它的粵語表現在使用者評論中有一些實際反饋：有人認為轉換成功率約 85–90%「算可以，但不夠」，也有人反映免費試用時間偏短、長時間錄音會夾雜無關資訊、多人辨識與分段還能更好。這些是使用者主觀經驗，實際表現仍要看你的錄音條件。

適合誰： 主要用手機記錄、需要即時逐字稿與摘要，能接受 App 形態限制的人。