逐字稿中的講者標籤與時間戳記：最佳實務

說話者標籤和時間戳記能讓逐字稿可搜尋、可歸屬且更容易驗證，但前提是格式符合交付內容。對於已知參與者，使用經核實的姓名；當身分並不必要時，使用角色標籤；當只需區分聲音時，使用穩定的匿名標籤；當無法確認身分時，使用 Unknown speaker。為了提高逐字稿的可讀性，請在每次說話者變更時加入時間戳記；編輯或作為證據時，使用開始至結束的時間區間；字幕則使用提示區間。本指南定義相關術語、比較不同格式、處理重疊語音，並提供可重複執行的人工 QA 工作流程。

直接回答： 說話者標籤可識別每個發言段落，而時間戳記則將該段發言連結至來源中的某個時間點。最快且可靠的預設做法，是使用經核實的姓名或穩定的角色標籤，加上發言開始時間戳記，例如 [00:09] Maya Chen:。編輯時使用時間區間，字幕使用提示時間，並以 Unknown speaker 取代猜測身分。

定義： 說話者標籤和時間戳記是逐字稿中繼資料，用於將語音歸屬給一致的人員或角色，並將文字、發言段落或字幕提示連結至來源音訊中的確切位置。

什麼是說話者標籤和時間戳記？

說話者標籤和時間戳記解決兩個不同的問題： 誰 應對某段內容負責，以及該段內容在來源中的哪裡。實用的逐字稿會將這兩個問題分開，因為系統可能準確定位並分離聲音，卻仍將錯誤的現實世界姓名分配給說話者。

Google Cloud 將說話者分離描述為偵測說話者變更，並為不同聲音分配標籤。IBM 的文件進一步指出：系統產生的 ID 可能不是連續的，暫時 ID 可能會變更，而且在沒有其他證據來源的情況下，不應將相同標籤解讀為經核實的姓名。

來源： Google Cloud：Detect different speakers 以及 IBM Cloud：Speaker labels，2026-08-05 審閱。

逐字稿中正確的說話者標籤是什麼？

正確的說話者標籤，是證據所支持的最具體歸屬，並從頭到尾一致使用。視覺樣式是次要的。標籤必須協助預定讀者區分各個發言段落，同時不誇大確定性。

可以： 在確認聲音後重新命名匿名標籤。 不可以： 將語音分離編號、顯示順序、口音、他人提及的職稱或推測的聲音視為身分證明。

在字幕中，畫面上的位置有時可以辨識螢幕上的說話者，而不必重複姓名。DCMP 建議清楚辨識說話者並保持呈現方式一致；也指出，作為說話者 ID 使用的專有名稱要大寫，而一般識別通常使用小寫。一般逐字稿可以使用正常的姓名大小寫，後接冒號。

來源： DCMP 字幕規範，審閱日期 2026-08-05。

哪種說話者標籤格式才正確？

沒有通用的說話者標籤格式。正確的格式是目的地要求的格式，並且要一致地套用。文件使用易讀的發言標籤，WebVTT 使用機器可讀的聲音註記；若法院、廣播機構、研究專案、無障礙服務供應商或檔案館訂有格式，則使用客戶指定的確切樣式。

避免對同一個聲音交替使用 Maya、 M. Chen、 說話者 1 和 經理。如果在審閱過程中途更正身分，請更新所有較早的發言，並重新檢查任何源自舊標籤的摘要、行動事項、引述或答案。

逐字稿中的時間參考應該放在哪裡？

對多位說話者的易讀逐字稿而言，最快速且實用的預設方式，是在說話者標籤前立即放置一個發言開始時間戳記。這讓審閱者在每次交接處都有一個可點選或拖曳的定位點，而不必讓每個句子都充滿時間資料。只有在下一項工作需要時，才選擇不同的詳細程度。

Google Cloud 會提供辨識單字的開始與結束偏移量。W3C WebVTT 將提示定義為與音訊或視訊對齊的時間區間，並使用句點表示毫秒，例如 00:11.000 --> 00:13.000。逐字稿中的方括號是編輯慣例，而非 WebVTT 的必要要求。

可以： 儲存單字層級的時間資訊，同時只顯示發言層級的時間戳記。 不可以： 假設更細緻的時間資訊就能證明辨識或歸屬是正確的。

來源： Google Cloud：Word time offsets 與 W3C WebVTT，檢閱日期 2026-08-05。

完整逐字稿、智慧逐字稿與字幕有何不同？

同一段來源音訊可以產生三種有效的輸出，因為每種格式都有不同的用途。完整逐字稿保留口語行為，智慧逐字稿在保留意義與歸屬的同時改善閱讀體驗，而字幕則會將文字分段以供同步顯示。

受控編輯來源範例： 在 00:09.100，Maya 說：「嗯，所以我、我想試行計畫會在 9 月 22 日開始。」在 00:11.500，Luis 插話說：「等待採購核准。」在 00:13.300，Maya 說：「對。」這是建構的 QA 範例，不是已登入產品的測試。

完整逐字稿

[00:09.100-00:12.700] Maya：嗯，所以我、我想試行計畫會在 9 月 22 日開始。
[00:11.500-00:13.200] Luis：[重疊發言] 等待採購核准。
[00:13.300-00:13.800] Maya：對。

當重複、填充詞、停頓、打斷與發言競爭是分析或專案規格的一部分時，請使用此層級。請在樣式表中定義每一種標記法。

智慧逐字稿

[00:09] Maya：我想試行計畫會在 9 月 22 日開始。
[00:11] Luis：[重疊發言] 等待採購核准。
[00:13] Maya：對。

此版本移除語句不流暢之處，但不會將 Luis 的條件併入 Maya 的句子。清理語言時不得轉移陳述的歸屬。

WebVTT 字幕摘錄

WEBVTT

00:09.100 --> 00:12.700
<v Maya>我想試行計畫會在 9 月 22 日開始。

00:11.500 --> 00:13.200
<v Luis>等待採購核准。

00:13.300 --> 00:13.800
<v Maya>對。

WebVTT 使用開始至結束的提示時間，並支援語音範圍。字幕製作也必須考量閱讀速度、換行、位置與同時顯示的提示。DCMP 建議考量同步、內容等值、說話者識別與有意義的聲音資訊；FCC 的電視字幕規則則使用準確、同步、完整與適當放置等審查原則。

來源： W3C WebVTT、 DCMP Captioning Key，以及 47 CFR 79.1，檢閱日期 2026-08-05。CFR 的字幕品質規則適用於其所定義的電視情境；本文將這四個品質用語作為審查標準，而非普遍適用的法律主張。

應如何處理重疊發言、未知說話者與事件標記？

重疊發言既是逐字稿問題，也是歸屬問題。如果兩個聲音都清晰可辨，請以相交的區間保留兩段發言。如果只有一個聲音清晰可辨，請轉錄該聲音，並僅在有助於讀者時標記此狀況。如果兩者都不可靠，請將來源標記為聽不清楚，並在 QA 期間重新檢查。

• 可理解的重疊發言： 保留分開的標籤和時間區間；不要將兩位說話者合併成一個句子。
• 簡短的附和語： 仔細核對「yes」、「right」和「mm-hmm」，因為說話者分離功能常會錯誤分配簡短的發言。
• 身分不明： 使用 Unknown speaker: 或穩定的匿名 ID，而不是可能的姓名。
• 不清楚的詞語： 使用專案定義的標記，例如 [inaudible 00:24]；絕不要寫下審閱者預期聽到的詞語。
• 有意義的聲音： 在會影響理解時，使用簡潔的小寫描述，例如 [laughter]、 [door closes]或 [phone rings]。
• 沉默與停頓： 只有在持續時間或對話效果對交付內容很重要時才標記。

IBM 警告，在混合音訊中，交叉談話或重疊發言可能難以或不可能準確辨識；而簡短發言、噪音、主要說話者過於突出，以及參與者眾多，也可能降低說話者標籤的效能。分開錄製的聲道可以減少推斷誰在說話的需要，但仍需要對齊聲道並進行 QA。

自動說話者識別有哪些限制？

自動系統可以加速分段和來源導覽，但說話者分離輸出屬於暫定中繼資料。請將其視為待審閱佇列，而不是最終身分記錄。

可以： 使用說話者分離來決定說話者變更審閱的優先順序。 不可以： 在未聆聽來源的情況下，承諾每個聲音、插話或姓名都會正確。

如何對說話者標籤和時間戳記執行人工 QA？

從高風險內容開始，而不是線性重播檔案：決策、義務、姓名、日期、數字、引文、對外承諾，以及聲音重疊的段落。接著將整份文件正規化。

1. 準備名冊與樣式。 列出預期的說話者、核准的姓名或角色、輸出格式、時間戳記粒度、事件標記慣例，以及隱私限制。
2. 錨定已知聲音。 使用自我介紹或其他經驗證的來源片段，將聲音與真實姓名連結；不要從說話者分離編號推斷身分。
3. 審閱說話者變更。 重播第一次交接，以及每個高風險決策、引文、負責人、截止期限、簡短確認和插話。
4. 解決重疊與不確定性。 保留可理解的同時發言，一致地標記有用的重疊或聲音事件，並在證據不足時保留 Unknown speaker 或 inaudible 標記。
5. 檢查時間戳記對齊。 確認發言開始或區間時間戳記會開啟正確的來源片段，且字幕提示的開始、結束和閱讀順序與音訊相符。
6. 正規化文件。 在整份交付內容中套用一致的標籤拼寫、大小寫、標點符號、時間戳記格式和事件標記樣式。
7. 重新檢查衍生輸出。 修正標籤或時間後，確認摘要、行動項目、引文、匯出內容和引用的答案，確保錯誤不會在後續流程中留存。

最快且站得住腳的工作流程： 使用穩定的產生標籤和發言開始時間戳記，確認每個聲音的介紹或第一個清晰樣本，審閱每個高影響力的交接，然後全域重新命名標籤。如果交付內容風險很高，請使用第二位審閱者或有文件記錄的抽樣規則，而不是假設第一輪已完成。

測量： Google 和 Bing SERP，以及 Google Cloud、IBM Cloud、W3C、DCMP 和 FCC 頁面已於 2026-08-05 審閱。 不適用： 音訊上傳、說話者分離輸出、產品準確度、審閱者一致性、處理速度，以及登入後功能的可用性。

說話者標籤、時間戳記和引用如何互相驗證？

當標籤、來源時間和衍生答案可以作為同一條鏈路加以檢查時，逐字稿便以來源為依據。如果行動項目或 AI 答案仍帶有舊負責人，僅修正逐字稿是不夠的。

受控的編輯示範；產品測量不適用。

00:09 Maya Chen：「試點於 9 月 22 日開始。」
00:24 說話者 2：「我會在 9 月 15 日前寄出存取清單。」
00:41 Maya Chen：「採購核准仍未完成。」

審閱路徑： 開啟 00:24，將聲音與 Luis Ortiz 經驗證的自我介紹進行比較，將說話者 2 改為 Luis Ortiz，然後重新執行或重新檢查所有衍生輸出。

修正後的行動項目： Luis Ortiz - 傳送存取清單 - 截止日期為 9 月 15 日 - 來源 00:24。

引用的答案： 「誰負責存取清單？」Luis Ortiz [00:24]。

只有當逐字稿、摘要、行動項目、匯出內容和引用的答案都使用 Luis 時，修正才算完成。如果無法驗證身分，誠實的答案是 Speaker 2 負責此行動，來源為 00:24，待確認身分。

HiNoter 在此工作流程中扮演什麼角色？

HiNoter 是一款 AI 會議與多來源筆記工具，可將經授權的會議、YouTube 影片、PDF、影片和音訊轉換為結構化筆記與附有引用的答案。

會議或檔案獲准處理後，可評估 HiNoter 是否支援依說話者標籤瀏覽逐字稿、時間戳播放、標籤修正、結構化摘要、行動項目，以及可連結回來源片段的 AI Chat 答案。來源連結能讓修正結果可供檢視；但這並不表示原始自動標籤絕對正確。

使用者提供／發布前請驗證： 本頁未在已登入的 HiNoter 帳戶中測試說話者標籤編輯、時間戳導覽、自動出席、逐字稿產生、處理速度、語言支援、結構化筆記、整合功能及附有來源連結的 AI Chat。發布前請確認目前的行為、帳戶方案、匯出格式、隱私控制、來源存取權、修正傳播方式及刪除選項。

造訪 HiNoter、測試 音訊轉文字工作流程、比較 AI 會議筆記、檢視 AI Chat 來源參考、查看 隱私權政策，並瞭解 Google Docs 整合功能。相關的 多語言逐字稿工作流程 說明了為何說話者歸屬和跨語言意義是兩項分開的品質檢查。

需要進行哪些隱私與權限檢查？

說話者標籤可透過連結聲音、姓名、角色、陳述和時間，將一般逐字稿轉變為個人資料。只處理您擁有或獲授權使用的音訊，必要時通知參與者，並將逐字稿和來源錄音的存取權限限制在需要的人員範圍內。

• 記錄錄音、轉錄、說話者識別和後續 AI 處理的目的。
• 當研究或隱私設計要求去識別化時，使用參與者代碼而非姓名。
• 不要從聲音推斷敏感的身分特徵。
• 限制可存取將匿名參與者代碼對應至真實姓名之名冊的人員。
• 對逐字稿和底層音訊同時套用保留與刪除規則。
• 對於法律、人資、醫療、客戶或受監管資料，請讓負責的隱私或法遵人員參與。

這是工作流程指南，不是法律建議。針對實際參與者、司法管轄區和使用情境，必須審查產品隱私條款以及當地的錄音或生物特徵規定。

常見問題

逐字稿中的說話者標籤是什麼？

逐字稿中的說話者標籤可識別負責某個發言段落的人員、角色或匿名聲音。例如 Maya Chen、Interviewer、Speaker 2 和 Unknown speaker。標籤應保持一致，除非已從來源或專案記錄中驗證身分，否則不應宣稱是真實身分。

哪個說話者標籤才是正確的？

正確的說話者標籤是證據所支持的最具體標籤：身分重要時使用已驗證的姓名；角色已足夠時使用角色；說話者分離功能僅分離出聲音時使用穩定的匿名編號；無法確認身分時使用 Unknown speaker。一致性和可驗證性比裝飾性的格式更重要。

正確的說話者標籤格式是什麼？

為了讓逐字稿易於閱讀，請在每個發言段落開頭使用一個標籤，後接冒號，例如 [00:09] Maya Chen: 試行計畫將於 9 月 22 日開始。對於字幕，請遵循目標檔案規格；WebVTT 支援可識別提示說話者的 voice span。客戶、法院、廣播業者或研究專案可能要求不同的格式規範。

逐字稿中的時間參考應放在哪裡？

對於一般逐字稿，請將發言開始時間戳直接放在說話者標籤之前。當編輯需要精確界線時，使用開始至結束的時間區間；只有在專案要求時才使用定期間隔的時間戳；字幕則使用提示區間。字詞層級的時間最好保留為機器可讀的對齊資料，而不是在每個字之前列出。

重疊或未知的說話者應如何標籤？

當兩段話都清晰可辨時，保留兩個發言段落，並為各自提供時間區間。當有助於審查者理解時，加入一致的狀況標記，例如 [重疊語音]。如果無法驗證聲音或內容，請使用 Unknown speaker 或 [無法辨識 00:24]，而不是指派可能的姓名或捏造文字。

HiNoter 如何處理說話者標籤和時間戳？

獲得授權後，可評估 HiNoter 是否支援逐字稿導覽、說話者標籤編輯、結構化筆記、行動項目，以及可返回來源時間戳的 AI Chat 答案。本文所述的這些產品行為由使用者提供，發布前必須在目前的產品、方案、隱私控制和來源連結工作流程中加以驗證。

將獲授權的逐字稿與其來源核對

首先查看上方的受控範例。接著在 HiNoter 中處理一個獲授權的會議或檔案，修正說話者標籤，開啟來源時間戳，並確認摘要、行動項目和 AI Chat 答案都帶有修正後的歸屬。

處理獲授權的會議或檔案 | 查看附有來源連結的 AI Chat