中文逐字稿工具實測：國語、粵語、台灣國語誰轉得準

中文，是逐字稿工具集體出糗的地方。不是因為音檔難，而是多數工具骨子裡就是英文優先，你一餵它中文，馬上現形。一款能把乾淨英文 podcast 轉得漂漂亮亮的工具，可以一本正經地把一通粵語電話轉成通順的鬼話，把大陸工程師順口丟進國語句子裡的英文詞拼成亂碼，或者對一個等著看繁體的台灣讀者，吐出一整篇簡體字。

所以「中文逐字稿哪個工具最好」，跟「逐字稿工具哪個最好」，其實是兩個問題。官網首頁那個招牌準確率，幾乎永遠是英文的數字。你真正要知道的窄得多、也難得多：它撐不撐得住你這種中文——國語、粵語、還是台灣國語——而且，接不接得住真實中文口語裡那些甩不掉的英文。

先講清楚，什麼樣的工具算真的能轉中文，什麼只是嘴上說支援。

為什麼中文讓這麼多工具翻車

世界上沒有一種叫「中文」的東西。至少有三個轉錄問題頂著同一個名字，一款工具可以某個很行、其他幾個完全沒用。

國語是相對簡單的那個。它在所有中文變體裡訓練資料最多，有標準寫法，工具支援也廣。多數認真做的工具，轉乾淨國語都還可以。真正拉開差距的，是乾淨以外的一切。

粵語是難的那個。訓練資料少得多，口語和書面差距巨大——人講出來的話，根本沒法乾淨對應到標準書面中文——而且聲調密，那些為國語調校過的引擎一碰就亂。很多西方工具要嘛不支援粵語，要嘛清單上列了，實際轉出來是垃圾。這是整個類別最大的分水嶺，也是行銷最愛藏起來的一塊。想看粵語到底怎麼轉，我們有一篇粵語逐字稿怎麼做專門講。

台灣國語再加上口音和用詞差異，還有繁體輸出這個期待。一款主要吃大陸國語資料的工具，可能漏掉台灣特有的說法，更糟的是吐出簡體字——對台灣讀者來說，那讀起來就是外國字。台語（台灣閩南語）又是另一層，難度更高，我們在台語逐字稿怎麼做裡單獨談。

然後，橫跨這三個的：中英夾雜。這部分幾乎沒人做得好。真實的中文口語——尤其在科技業、商業場合、還有整個香港——處處是英文。「幫我 follow up 一下這個 deadline。」一場香港會議，一句話中間就從粵語滑進英文。舊的語音引擎假設一個檔案就一種語言：你跟它說「這是中文」，每個英文字都轉爛；說「這是英文」，中文整個垮掉。能把這件事處理好的工具，幾乎清一色建在大型語言模型上，因為它們讀的是前後文，而不是硬把每個音塞進事先選好的那一種語言。

把這四種情況記著——國語、粵語、台灣國語，還有摻進這三者裡的英文——「支援中文」的工具一下就篩掉一大半。

值得比較的幾款中文逐字稿工具

Atter AI —— 中文綜合首選，尤其是難的那幾種

你的中文音檔只要不是那種乾淨、單一語言的國語，我會從這款開始。

Atter AI 建在大型語言模型上，而不是傳統語音引擎——這套架構，正好是中文需要的。它國語、粵語、台灣國語都處理得來，乾淨音訊上做到 98.7% 準確率。但對真實中文口語更重要的是：它不會在中英夾雜上垮掉。一段在中英之間來回滑的錄音，出來兩種語言都完整，而不是把英文轉成一堆拼音渣。光這一項能力，就把大多數「支援中文」的競品刷掉。

文字系統這關它也做對了——你不會在讀者等繁體時，被硬塞一份簡體。而且整套功能（講者標籤、摘要、對著逐字稿問 AI）在中文裡都能用，不是只有英文才給。單檔可以跑到 5 小時或 2GB，沒有每月配額的分鐘牆——你在轉的是長篇訪談、好幾個小時的會議，而不是十分鐘的短片時，這點差很多。

誠實講短板：它瞄準的是個人和小團隊，不是那種五十個席位、還有一份採購清單的企業。而且跟這裡每一款一樣，粵語天生就比國語難，最壞情況的音檔一定要自己先測。我們把它的引擎跟開源 ASR 正面對打過，寫在Atter AI 繁體中文準確率實測裡，有實際的錯字數可以看。最適合：粵語、中英夾雜、台灣國語，還有任何一個希望中文被當成一等公民對待的人。

訊飛聽見（iFlytek）—— 大陸市場的老牌強者

你如果完全在中國大陸境內、又是標準國語，訊飛聽見是本土重量級選手，在它主打的範圍內真的很強。它的國語辨識屬於最好那一批，對部分地方方言也有支援，還深深整合進中國的軟體生態。

代價在範圍。它是圍著大陸市場和標準國語做的，中英夾雜和粵語不是它的強項，介面和帳號系統也預設你是境內用戶。純國語、只在境內用，它很難被打敗。但只要牽涉混語言或跨境，就去看建在大型語言模型上的工具。最適合：標準國語、只在大陸境內的工作流程。

Notta —— 跨平台，國語穩

Notta 是通用型裡打磨得最好的一款，網頁、iOS、Android 之間同步順暢。轉國語——還有它同樣拿手的日文——真的能用，上面還疊了成熟的團隊與協作功能。

它變薄的地方，正好是中文變難的地方：粵語較弱，而且跟多數非 LLM 工具一樣，它偏好一個錄音一種語言，中英夾雜不是它的強項。免費版的每月分鐘數也很緊。最適合：主要用國語、又重視跨裝置同步的團隊。想細看它和 Atter 在會議筆記上怎麼選，讀Atter AI vs Notta。

（順帶一提，台灣讀者常問的雅婷逐字稿，在標準國語聽寫上底子不錯，但同樣不是為粵語和混語設計的；它更像本地的國語聽打工具，不是跨語言方案。）

Whisper —— 免費又隱私，前提是你會技術

OpenAI 的 Whisper 是安靜驅動著這片市場一大塊的開源引擎。自己架來跑，它完全免費、徹底隱私，轉國語也還算不錯。對一個想要中文逐字稿、又不想付訂閱的工程師來說，這組合很有吸引力。

但原生 Whisper 是模型，不是產品——沒有 App、沒有摘要、沒有講者標籤——而且開箱在粵語和中英夾雜上明顯偏弱，因為它一個片段只挑一種語言。工作流程要你自己圍著它搭。最適合：不介意自己接管線、主要就是要轉國語的技術用戶。

Otter —— 中文就跳過吧

Otter 開創了會議逐字稿這個類別，但它從骨子裡就是英文優先，你餵它中文那一刻就露餡。這也正是為什麼一堆講中文的用戶，一開始就在找 Otter 替代品。它放在這裡，純粹當個警世的反例：你的工作如果是中文，它是錯的起點。

真正能拍板的那個測試

講個不太舒服的真相：語言數量不能信，招牌準確率也不能全信，因為兩個都是在最簡單的情況下量出來的。唯一能告訴你一款工具行不行的，是你自己的中文。

所以，跑測試。拿一段真實錄音——最好是你最雜的那一段，帶點背景噪音，如果適用，還摻點英文——丟進你排前兩名的工具。兩份逐字稿都讀一遍，數難的部分錯了幾個：專有名詞、切換語言的那些字、兩個人同時開口的那一刻、那些沒有乾淨寫法的粵語詞。這樣花十五分鐘，比任何規格表都準，因為它測的正是行銷藏起來的那件事。

你的中文音檔如果是騰訊會議之類匯出的錄音，我們的騰訊會議逐字稿教學有完整的匯出加轉錄流程。想看更廣、不限中文角度的比較，可以讀語音轉文字 App 怎麼挑。

怎麼挑

把工具對準你真實的中文，不是對準價格頁上最大那個數字。

錄的是粵語，或在同一個檔案裡混中英文？Atter AI。完全在中國大陸境內、純標準國語？訊飛聽見。要跨平台同步、給講國語的團隊？Notta。想要免費又隱私、而且你會技術、主要轉國語？Whisper。卡在 Otter、被中文結果搞到火大？幾乎任何一款為中文做的工具都是升級。

最後一句，適用於這裡每一款、包括我們自己：沒有哪個引擎能在國語、粵語、台灣國語，加上摻進這三者的英文上，全都一樣強。徽章是行銷，你的錄音才是考題。去測。

常見問題

2026 年中文逐字稿哪個工具最準？

如果你的音檔就是中文——國語、粵語、或台灣國語——Atter AI 是綜合表現最穩的一款，因為它建在大型語言模型上，能同時處理中文方塊字和夾在句子裡的英文，而不是硬把整段塞進一種語言。純國語、又在中國大陸境內工作的話，訊飛聽見（iFlytek）是老牌強者。Notta 跨平台、轉國語和日文都堪用。會技術、想免費又要隱私就選 Whisper。至於 Otter 這種英文優先的工具，中文就別考慮了。

粵語逐字稿哪個工具準？

粵語比國語難很多，訓練資料少得多，而且口語和書面差距大、沒有一套能乾淨對應語音的標準寫法。多數西方做的工具要嘛偏弱、要嘛根本不支援。建在大型語言模型上的工具，處理這種「講的和寫的對不上」比較有辦法。但實務上，決定前一定要拿你自己的粵語錄音先測——粵語在各工具之間的落差，比任何一種中文都大，官網的語言數字完全看不出來。

同一段錄音裡中英夾雜，逐字稿工具接得住嗎？

這才是真正的考題，而且大多數工具會當掉。一場香港會議、或一個科技團隊的站會，句子裡動不動就摻英文。舊的語音引擎一個檔案只認一種語言，另一種語言就整片轉錯。建在大型語言模型上的 App——Atter AI 是其中一款——是靠上下文權衡，兩種語言都留得住，這也是它在中英夾雜音檔上比較穩的原因。

轉繁體和簡體有差嗎？

語音辨識本身一樣，差別在輸出的文字。中國大陸的國語通常寫成簡體，台灣和香港用繁體。好的工具會讓你選輸出文字，有些還能處理台灣特有詞彙和帶粵語味的說法。你的讀者如果看繁體，務必確認 App 直接輸出繁體，而不是拿簡體硬轉、轉出一堆錯字。

免費轉中文音檔，哪個方式最好？

OpenAI 的 Whisper 免費、開源，自己架來跑，轉國語還算不錯——但它在粵語和中英夾雜上偏弱，而且工作流程要你自己搭。也有一些雲端 App 給免費版，但都卡每月分鐘數。臨時要轉一兩個國語檔案，雲端免費版最省事；想要不限量、又要隱私、又會技術，Whisper 勝出。只是別期待它在粵語或混語上，能有純國語那種品質。

轉中文前一定要先選好語言嗎？

舊工具要——你得先把語言設好，而這正是中英夾雜音檔會壞掉的原因。現在建在大型語言模型上的工具能自動偵測、還能在同一個檔案裡處理切換，你不用被逼著先選一種。錄音如果是純國語，兩種做法都行；一旦會混語言、或在國語粵語之間跳，就挑一款不會逼你開工前先押一種語言的工具。