錄音怎麼翻譯？
錄音翻譯的做法很簡單：把音檔上傳到音檔翻譯工具，選好原語言和目標語言，再決定只要翻譯字幕，或是字幕加 AI 配音。工具會先辨識語音、再翻譯，選了配音還會用新的聲音念出譯文。下載後，先核對人名和數字再使用。
流程一句話就說完了。這篇要談的是上傳和下載之間發生了什麼、字幕和配音該怎麼選，以及在別人聽到成品之前，哪些錯誤最值得先抓出來。
先分清楚：你要的是「語音翻譯」還是「錄音翻譯」？
在台灣搜尋「語音翻譯」，多數人想找的是即時口譯：出國點餐、問路、跟外國客戶當面溝通時，對著手機講一句，馬上翻給對方聽。這類 App 為對話而設計，追求的是快，通常不會產出檔案。
「錄音翻譯」是另一件事：你手上已經有一個音檔，可能是 Podcast、訪談、線上課程、會議錄音或語音備忘錄，想要一份可以保存、校對、分享的翻譯成果。這時需要的是能處理整個檔案、給出帶時間軸字幕，甚至能生成完整配音的工具。
兩者沒有誰比較好，只是用途不同。本文談的是第二種：把現成的錄音翻譯成字幕或配音。
音檔翻譯背後的三道工序
音檔翻譯不是一個模型做一件事，而是一條三段的流水線，每一段的輸出都是下一段的輸入。
第一段是語音辨識：軟體把錄音「聽寫」下來並加上時間戳記，也就是原文字幕。第二段是翻譯：把字幕逐句翻成目標語言，同時參考上下文讓句子連貫。第三段是可選的語音合成：由 AI 聲音把譯文念出來，得到一條目標語言的新音軌。
這帶來一個關鍵後果：錯誤會往下游傳遞。辨識階段把品牌名稱聽錯，翻譯就會忠實翻出那個錯字，配音再清清楚楚地念出來。翻譯救不了一個一開始就沒被辨識正確的詞。所以錄音品質往往比多數人想像的更重要，交付前的檢查也該鎖定辨識最容易出錯的地方。
也因此，就算你只在意譯文，原文字幕仍然有用。某句譯文讀起來怪怪的，拿去和辨識出的原文對照，馬上就能判斷問題出在辨識還是翻譯。
只要字幕，還是加上 AI 配音？
大部分音檔翻譯工具提供的都是同一個選擇：翻譯完就停，只拿文字；或是再多走一步，生成譯文配音。兩者沒有絕對優劣，服務的是不同對象。
| 只要翻譯字幕 | 字幕 + AI 配音 | |
|---|---|---|
| 會拿到什麼 | 翻譯後的字幕檔 | 目標語言音檔 + 原文字幕 + 翻譯字幕 |
| 適合情境 | 對照閱讀、整理逐字稿與筆記、引用、自行上字幕 | 需要「聽」而不是「看」的人，例如 Podcast 聽眾、教育訓練音檔 |
| 工作量 | 流程較短，要檢查的東西較少 | 多一道工序，還要聽語速和發音 |
| 修改文字之後 | 修改只會更新字幕 | 可以重新配音，讓聲音和修正後的文字一致 |
| 計費邏輯 | 依音檔長度 | 同樣依音檔長度；修改後重新配音會另外消耗點數 |
簡單的判斷方式：譯文是拿來看、引用或貼到別處的，字幕就夠了；需要有人聽的，例如想把一段英文訪談分享給不看英文的同事，就打開配音。
拿不定主意的話，先從字幕開始。讀一遍翻譯字幕，是判斷「這段錄音和譯文值不值得再配音」最快的方法。
錄音翻譯前，先把音檔準備好
動手前花幾分鐘準備，通常比事後修半天更省事。
格式要對。 Belin Doc 的音檔翻譯支援 MP3、WAV、M4A、AAC、FLAC 五種格式。OGG、Opus、WMA、AMR 不支援，需要先轉成上述任一種。iPhone 語音備忘錄常見的 M4A 可以直接上傳；其他格式用常見的免費音訊轉檔工具匯出成 MP3 或 WAV 即可。
人聲要清楚。 語音辨識通常在「一次一個人說話、離麥克風近、沒有大聲背景音樂」的條件下表現最好。多人搶話的會議錄音、背景音樂壓過人聲的片段，一般辨識錯誤會比較多。同一段內容若有更乾淨的版本，優先用那個。
把用不到的剪掉。 開頭的長時間靜音、正式開始前的閒聊、十分鐘的測試雜音，都會和正文一樣被處理、被計費。上傳前剪掉，成品更短、更好檢查，也更省點數。
太長的錄音可以拆開。 三小時的講座分段檢查會輕鬆很多；某一段音質特別差，也能單獨處理。工具每個任務只收一個檔案，拆開後還能先翻最重要的段落。
確認錄音裡說的是哪種語言。 選對原語言能幫辨識一把。錄音若中英夾雜，另一種語言的部分要多花點時間核對。
交付前要檢查的四件事
語音的自動翻譯，把大意傳達到位通常沒問題；出錯的地方卻很有規律，針對性地檢查一遍就能擋下大部分問題。
先查人名和專有名詞。 人名、公司名、產品名和業界術語，是辨識模型最少「聽過」的詞，常被換成讀音相近的常用詞。你知道一定會出現的名字，逐一在翻譯字幕裡搜尋。
再查數字。 價格、日期、百分比、數量，容易聽錯也容易翻錯，而一個錯的數字惹出的麻煩，遠比一句稍嫌生硬的句子大。每個數字都和原文字幕對一次。
接著看時間軸和每行長度。 譯文和原文長度往往不同，一句翻長了，那行字幕停留的時間就可能不夠讀完。打算公開發布字幕的話，對著音檔完整播一次。
選了配音的，至少完整聽一遍譯文音檔，重點聽人名的念法、語速是否自然。要留意：你改了字幕裡的一句，配音音軌不會自己跟著變。在 Belin Doc 上，任務完成後可以編輯翻譯字幕，再重新生成配音，讓聲音和修改後的文字一致。重新配音會另外消耗點數，建議把所有修改集中起來一次重配。
音檔翻譯、影片翻譯和即時語音翻譯 App 怎麼選
前面提過即時語音翻譯 App 適合對話；如果你手上的是檔案，還要再分一次：是純音檔，還是影片。
音檔翻譯處理 Podcast、訪談、課程、語音備忘錄、會議錄音這類只有聲音的檔案，給出可編輯的帶時間軸字幕，也能生成完整配音音軌。
影片翻譯對影片檔做同樣的事，另外還要讓字幕和配音跟畫面同步。手上是 MP4 之類的影片，直接用影片翻譯，不必自己先把音訊抽出來；完整流程可以參考這篇線上影片翻譯指南。沒有畫面可看的錄音，直接用音檔翻譯即可。
在 Belin Doc 翻譯錄音的步驟
第一步：上傳音檔
打開音檔翻譯頁面，上傳一個 MP3、WAV、M4A、AAC 或 FLAC 檔案。每個任務只收一個檔案，多段錄音請分別送出。在首頁的「文件」或「影片」分頁拖入音檔，也會自動轉到音檔翻譯。
第二步：選擇語言與是否配音
設定錄音裡說的語言和想要的目標語言，接著選一個 AI 配音聲音，或選擇不配音、只要翻譯字幕。上傳完成後，頁面會依音檔長度立即顯示預估消耗的點數，實際扣點在送出時進行。
第三步：送出並查看進度
送出任務後，在音檔翻譯頁的「最近任務」查看進度，這個清單和影片任務是分開的。語音辨識、字幕翻譯，以及（有選的話）配音會依序完成。
第四步：校對、修改並下載
任務完成後，檢查翻譯字幕裡的人名、術語和數字，有錯就改。有開配音的，改完可以重新配音。最後下載目標語言音檔和原文、翻譯兩份字幕；沒開配音的，下載翻譯字幕即可。
常見問題（FAQ）
錄音翻譯支援哪些音檔格式？
支援 MP3、WAV、M4A、AAC、FLAC。OGG、Opus、WMA、AMR 不支援，上傳前請先轉成上述任一種格式。
音檔翻譯怎麼計費？
依音檔長度從帳戶的翻譯點數扣除。上傳後立刻能看到預估點數，實際扣點發生在送出時。
翻譯完成會拿到哪些檔案？
開了配音：目標語言音檔、原文字幕、翻譯字幕。沒開配音：只有翻譯字幕。
譯文可以修改後重新配音嗎？
可以。任務完成後可以編輯翻譯字幕，再重新生成配音，重新配音會另外消耗點數。沒開配音的任務，修改只會更新字幕。
語音翻譯 App 和錄音翻譯有什麼不同？
語音翻譯 App 多半是即時口譯，適合面對面對話；錄音翻譯處理的是現成的音檔，產出可以校對、下載的字幕或配音。要把一段錄音完整翻好並保存下來，選錄音翻譯。
一次可以翻譯多個音檔嗎？可以翻影片嗎？
每個任務只收一個檔案，多段錄音請分別送出；時長上限和可同時進行的任務數與影片翻譯規則相同，音檔和影片任務合併計算。影片檔請改用影片翻譯，字幕和配音才會跟畫面同步。
