2026年3種Google語音轉文字線上實測：免費版哪種最夠用？

很多人以為，把錄音檔丟進 Google 文件就能變成逐字稿。

其實不行。Google 文件裡的「語音輸入」只接收麥克風的即時聲音，你手上那段 MP3、那場線上會議的錄影，它一概不理。

這是我最常看到的誤區：花了半小時找「Google 語音轉文字線上」的做法，打開文件才發現只能對著麥克風講話，會議錄音還是得自己一句一句聽打。

所以要判斷的其實只有一件事：你要轉的是「現場說話」，還是「已經錄好的檔案」。這兩條路在 Google 的生態裡，用的根本不是同一個工具。

以下我照實際操作順序拆成 5 個步驟。前 3 步是 Google 原生的做法，後 2 步是我自己處理會議錄音時比較省時間的走法。

開始之前｜你需要準備什麼

• 一段想轉成文字的素材：可以是即時口述，也可以是既有的會議錄音、訪談音檔或影片 • 一個 Google 帳號，Google 文件和 Google Cloud 都用得到 • Chrome 瀏覽器，語音輸入在 Chrome 上最穩定，換別的瀏覽器常常麥克風抓不到 • 穩定的網路連線，即時聽打斷線就得重來 • 走 API 路線的話，需要一個 Google Cloud 專案與計費設定，這一步是多數上班族卡住的地方 • 想用 Tinrec 的話，桌機版或手機 App 都可以，註冊登入就能開始

先講結論：如果你只是偶爾口述一段文字，Google 文件就夠了；如果對象是一場一小時的會議，你需要的是能處理音檔、還能幫你整理內容的工具。

步驟 1｜先分清「即時聽打」和「音檔轉寫」

這一步的目的是選對工具，避免做白工。

Google 目前有三條路線，對應三種完全不同的需求。Google 文件的「語音輸入」是即時聽打，講一句轉一句。Google Cloud 的 Speech-to-Text 是 API 服務，處理的是音訊檔案，也能整合進你自己的應用程式。Android 手機上的「即時轉錄」App 則是把手機麥克風收到的聲音即時變成文字。

為什麼要先分清楚？因為這三條路線的門檻差距很大。文件語音輸入是打開就能用，Cloud Speech-to-Text 要開專案、設金鑰、看計費，對一般使用者來說是另一回事。

完成這一步之後，你應該已經知道自己該走哪條路：口述備忘錄走文件，已有音檔走 Cloud，手機現場記錄走即時轉錄。

（此處示意圖：一個人坐在書桌前，左邊是筆電開著文件，右邊是手機播放錄音檔，兩者畫面中間有一條分岔的箭頭）

步驟 2｜用 Google 文件做即時語音輸入

這一步的目的，是把「講出來的話」直接變成可編輯的文字。

開啟 Google 文件，點上方「工具」選單裡的「語音輸入」，畫面左側會出現一個麥克風圖示，點一下開始收音。講話時文字會即時出現在游標位置，講完再點一次結束。

使用的時候有幾個小地方要注意。第一，講話要放慢一點，標點符號也要唸出來，例如講「逗號」、「句號」，它才會幫你斷句。第二，環境音太吵雜時錯字率會明顯上升，盡量在安靜的地方用。第三，切換分頁或把視窗最小化，收音常常會中斷。

這條路線最大的優點是免費、不用設定，支援中文、英文、日文、韓文等多國語言。最大的限制也很明確：它只吃麥克風的聲音，不能上傳既有音檔，也不適合多人會議，因為它不會告訴你這句話是誰說的。

完成後，你會得到一份可以馬上編修的純文字。

（此處示意圖：筆電螢幕上是一份正在生長的逐字稿，游標停在句子中間，旁邊有一個小小的麥克風圖示亮著）

步驟 3｜用 Google Cloud Speech-to-Text 處理音檔

這一步的目的，是把已經錄好的會議或訪談音檔轉成文字。

Google Cloud 的 Speech-to-Text 是把語音辨識包成 API 的服務，支援超過 85 種語言和方言。它會自動為轉錄結果加上逗號、問號和句號，也能自動預測每句話是誰說的，對於多人會議的逐字稿很有幫助。

針對不同場景，Google 也訓練了不同的最佳化模型。例如強化版通話模型就是針對電話語音調整的，包含取樣率 8kHz 的電話錄音。另外還有不雅用語篩選器，可以在音訊中偵測不當內容並在文字結果中過濾掉。

如果你不會寫程式，Google 也提供無程式碼工具，可以直接上傳語音資料轉錄，還能在瀏覽器裡快速測試音訊檔案、製作原型。依 Google Cloud 文件頁面的說明，進階模型可處理最長 8 小時的檔案。

要注意的是，這條路線需要開設 Google Cloud 專案並設定計費，費用依實際使用量計算，實際數字要看官方頁面。對沒有技術背景的人來說，這一步的門檻不低。

完成後，你會拿到一份帶標點、可辨識說話者的逐字稿。

（此處示意圖：工程師的雙螢幕，一邊是雲端控制台的上傳介面，一邊是密密麻麻的逐字稿文字框）

步驟 4｜會議錄音改用 Tinrec 這類工具處理

前一步對技術人員沒問題，但如果你只是想把週會錄音變成逐字稿，開專案設定金鑰實在太遠。

這時候可以考慮 Tinrec（秒聽錄音）這類工具。它的桌面版直接採集電腦的系統聲音，處理 Zoom、Google Meet、Microsoft Teams、Webex 等線上會議時，不需要額外派一個會議機器人加入會議，這點對臨時會議特別好用。

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

操作順序很單純：打開桌面版，開始錄製，會議進行中逐字稿會即時產生。如果是已經錄好的音檔或影片，直接上傳導入也可以。

它同時覆蓋中文會議、中英混合內容和多語言場景，錄音過程中還能切換原文、譯文或雙語對照，跨語言的會議不用另外找人翻譯。

要注意的是，Tinrec 目前不是「自動加入所有日曆會議」的會議機器人，需要你主動開啟才會錄製。另外實際轉寫效果會受錄音品質、環境噪音、口音和多人重疊發言影響，沒有工具能保證固定準確率，重要內容建議對照錄音核對。

完成後，你會同時擁有錄音檔和逐字稿，兩者可以互相對照。

（此處示意圖：會議室裡筆電接著投影，螢幕上逐字稿一行一行冒出來，與會者正在討論）

步驟 5｜校對、生成摘要與匯出

這一步的目的，是把逐字稿變成別人願意看的資料。

先快速掃過一次逐字稿，把明顯錯字修掉，尤其是人名、公司名和專有名詞。這種地方錯了，後面 AI 生成的摘要通常也會跟著錯。

接著讓工具幫你整理。Tinrec 會自動生成摘要、章節和重點，也能從討論中提取待辦事項。如果你只想知道「這場會議到底決定了什麼」，可以直接用 AI 問答追問，不用重看一小時的逐字稿。

最後是匯出。Tinrec 支援多格式匯出，也能帶到 Notion、Google Docs、OneNote、Dropbox 等工具繼續加工，這對平常工作都在 Google 文件裡的人來說很方便。

如果你帶的是團隊，資料可以直接存進團隊空間。這裡要分清楚角色和席位：角色決定誰能管理成員和團隊設定，席位決定誰能錄製、上傳、編輯和匯出。沒有席位的成員還是可以查看、播放和閱讀團隊資料，只是不能執行資源使用操作。

完成後，你會拿到一份可以直接寄給主管或放進專案資料夾的會議紀錄。

（此處示意圖：一份整理好的會議紀要畫面上，摘要、待辦清單和章節標題分區排列）

常見問題與排解

Q：Google 文件的語音輸入，按了麥克風卻沒反應？通常是麥克風權限沒開，或瀏覽器不是 Chrome。先檢查網址列左側的麥克風權限圖示，再確認系統音效輸入裝置有沒有選錯。另外，切換分頁或讓視窗進入背景，收音也常會中斷。

Q：可以上傳 MP3 給 Google 文件轉成文字嗎？不行。Google 文件的語音輸入只處理麥克風的即時聲音。要處理既有音檔，得走 Google Cloud Speech-to-Text，或改用支援檔案導入的工具。Tinrec 就支援直接上傳音訊和影片檔，這是它和文件語音輸入最大的差別。

Q：多人會議分不出誰說話，怎麼辦？ Google Cloud Speech-to-Text 有說話者預測功能，但需要在 API 設定中啟用。如果不想碰設定，選擇在逐字稿呈現上就處理好發言區隔的工具會省事一些。

Q：免費額度到底夠不夠用？要看你一個月轉多少內容。Google 文件的語音輸入完全免費，但功能最陽春。Google Cloud Speech-to-Text 依用量計費。Tinrec 的免費版提供基礎額度，可以先拿一段自己的錄音試試看夠不夠；團隊版首次符合資格有 7 天試用、1 個免費席位和 300 分鐘團隊共享導入額度，付費席位每月提供 2,000 分鐘團隊共享導入額度，團隊月付為 USD 29.80／付費席位／月，年付為 USD 199／付費席位／年，折合約 USD 16.58／月，實際價格以正式購買頁面為準。

Q：中英夾雜的會議，轉得準嗎？這類內容本來就比較難，實際表現會受錄音品質、口音、噪音和專業術語影響，沒有工具能給固定數字。可以做的準備是把常用的專有名詞先建成熱詞，Tinrec 的團隊版就有團隊熱詞功能，維護好之後專業詞彙的辨識體驗會比較穩定。

Q：錄音前需要注意什麼？三個字：離麥克風近一點。與其事後花時間校對，不如錄音時多花 30 秒確認手機或筆電的位置。另外，錄音與轉寫涉及個人資料，請遵守當地法規，必要時先取得與會者同意。