語音轉文字的錯誤，大部分出在錄音，不是軟體。效果最大的是四件事：麥克風靠近說話的人、背景噪音少、一次一個人說話、語言設定正確。接著是說完整的句子、速度穩定、人名和數字說清楚，用之前讀一遍。AI 改寫可以整理標點和贅字，但修不好轉錯的字。
| 文字裡的問題 | 最可能的原因 | 要改什麼 |
|---|---|---|
| 字漏掉或亂掉 | 麥克風太遠，或太吵 | 手機拿近一點，換安靜的地方 |
| 整段都錯 | 語言設定錯誤，或兩種語言混在一起 | 設定說話的語言；一段錄音一種語言 |
| 人名、品牌名錯 | 系統不認識的罕見字詞 | 說清楚、說一次寫法，事後修正 |
| 兩個人的聲音混在一起 | 有人搶話 | 輪流說，回答前停一下 |
| 什麼都沒有 | 錄音沒有聲音或音量太小 | 檢查音量，先用短的片段測試 |
麥克風和環境
Google 為自家 Cloud Speech-to-Text 服務寫的最佳做法說得很直接：「將麥克風放置在盡可能接近說話者的位置，尤其是在有背景噪音的情況下。」實際做法：
- 手機靠近嘴巴，大約像講電話的距離，手指或手機殼不要蓋住麥克風孔。
- 選安靜的房間。 關掉音樂、電視和電風扇。有布料家具的小房間，回音比廚房或樓梯間少。
- 避開風。 在戶外就背對風，或用耳機麥克風。
- 不要用喊的。 Google 也建議避免音訊剪輯（削波）。離麥克風很近又說得太大聲，訊號會失真。
- 錄會議時手機放桌子中間，不要放在一端，每個人的聲音到手機的音量才會接近。
說話的方式
- 句子完整、速度穩定。 不用說得很慢，但穩定、每個想法之間稍停，比一陣一陣地說轉得好。
- 一段錄音一種語言。 在台灣和香港，中文裡夾英文很常見，但很多系統一次只處理一種語言。Google 的說明頁寫著，Pixel 錄音工具在同一段錄音出現多種語言時，會轉錄最常用的那一種。夾雜的英文字詞轉完要特別檢查。
- 人名和數字說清楚。 少見的名字說慢一點，或說一次寫法：「陳怡蓁，怡是心字旁的怡，蓁是草字頭的蓁。」數字說「一五」還是「十五」要清楚。
- 輪流說話。 兩個人同時說，通常兩個都會錯。Google 也提醒，多人同時說話或音量不同，可能被當成背景噪音忽略。
- 按下錄音後和停止前稍停一下，第一個字和最後一個字才不會被切掉。
影響結果的設定
- 選對說話的語言。 Gboard 語音輸入、WhatsApp 轉錄、手機的錄音 App 都有自己的語言設定，設錯了結果就毀了。WhatsApp 的語言設定見 WhatsApp 語音轉文字沒有中文怎麼辦。
- 加入人名和專有名詞。 工具有自訂字詞或詞組清單的話就用。Google 的文件建議「使用字詞和詞組提示將名稱與字詞加到詞彙庫中」；它的即時轉錄 App 也有「自訂字詞」。
- 保留原始檔。 每重錄或重新壓縮一次都會損失細節。要轉的是錄音 App 錄下的檔案，不是用喇叭播放再錄一次的版本。針對自家服務，Google 建議用無損格式（FLAC 或 LINEAR16）和 16,000 Hz 的取樣率。
- 事後不要再降噪。 Google 建議自家服務不要用自動增益控制，並停用雜訊抑制處理，因為傳送前做雜訊抑制通常會降低辨識準確性。
很難聽清楚的錄音
如果錄音已經錄好，又很難聽清楚：
- 整個檔案先轉一次，看哪幾段失敗。
- 戴耳機用慢速聽失敗的段落，自己打出來。
- 聽不清楚的標成〔聽不清楚〕，不要用猜的。引述或會議記錄裡猜錯的字，比留空還糟。
- 很遠的聲音不要期待奇蹟。 你自己都幾乎聽不到的聲音，軟體也無法可靠地救回來。
自己測試準確度
語音轉文字的準確度通常用詞錯誤率（WER）衡量：WER = (S + D + I) / N，S 是被替換的詞數，D 是漏掉的詞數，I 是多出來的詞數，N 是正確參考文字的詞數。數字越低越好。中文沒有空格分詞，在家自己測試時，用「字」來數比較方便。
五分鐘的居家版本：
- 找一段大約 100 字、有幾個人名和數字的文字。
- 在平常的環境對著你的工具念出來。
- 數出錯的、漏的和多的字，除以原文的字數。
- 改一件事（距離、房間、語言設定），再測一次。
結果告訴你，哪些做法對你的聲音、你的手機和你的房間有幫助。它不能拿來比較工具的好壞：公開的準確度數字，只對它測量時用的音檔有效。
AI 改寫能修什麼、不能修什麼
Retexta 是一款在雲端處理的 Android 語音轉文字和 AI 寫作 App，先轉錄，再改寫文字。改寫能可靠處理的是讓原始逐字稿難讀的東西：
- 標點、分段；
- 贅字和說到一半重來（「就是」「然後」「呃」）；
- 重複的詞和斷掉的句子。
只想整理逐字稿，可以用 Clean up a text（在 More templates 裡），App 的說明是：保留你的文字，修正文法、標點和語句流暢度。寫作類目標，例如 Write a message 或 Take notes，則會進一步重新組織你說的內容。Retexta 的選單是英文的，沒有繁體中文介面。
改寫做不到的是：知道「怡蓁」被聽成了「宜珍」，或「十五」其實是「五十」。它甚至可能把聽錯的字寫成一句很通順、看起來對的話。所以人名、數字、日期和金額一定要對照錄音。Retexta 會在結果上標示「AI-generated. Check important details.」
兩個跟準確度有關的 App 細節：Retexta 會自動偵測說的語言，沒有讓你手動選語言的地方，所以一開始說一句完整的話，比只說一個字更容易判斷；它的語言清單裡沒有廣東話，我們沒有測試過廣東話的效果。錄音如果沒有聲音或太小聲，它會直接告訴你，而不是傳回文字（「Transcription finished, but no text was produced」）。
Retexta 可以先免費試試：新用戶有幾次免費的 Pro 結果，可以在 App 內查看，用完之後 Transcript only 也需要 Retexta Pro 或點數。改寫類目標和 Import audio 屬於 Retexta Pro；複製、分享和匯出結果需要 Retexta Pro 或點數。
延伸閱讀
錄音檔要轉文字：見 Android 手機錄音轉文字。用說的代替打字：見用說的寫 Email（Android）。一段錄音裡有兩個人：見訪談逐字稿怎麼打。檔案格式：見 MP3 轉文字。關於 App 本身：Retexta，Android 語音轉文字。
資料來源
FLAME Apps 查看日期如下。
- Google Cloud，最佳做法（Cloud Speech-to-Text）（上次更新 2026 年 9 月 26 日，2026 年 9 月 28 日查看）：麥克風位置、避免剪輯、取樣率、無損格式、不用自動增益控制和雜訊抑制、多人同時說話、字詞和詞組提示。這些是 Google 對自家服務的建議。
- Pixel 手機說明，建立、編輯及管理轉錄稿（2026 年 9 月 28 日）：同一段錄音有多種語言時轉錄最常用的一種。
- Android 無障礙工具說明，使用即時轉錄（2026 年 9 月 28 日）：自訂字詞。
- Wikipedia，Word error rate（英文，2026 年 9 月 25 日）：WER = (S + D + I) / N。
- Retexta App 程式碼（Android，版本 2026.1.23）：自動偵測語言（
RecordScreen.kt、TranscriptionLanguageCatalog.kt）、Clean up a text 的目標說明和錯誤訊息（App 字串）。
