為質性編碼準備訪談轉錄稿

訪談和焦點小組錄音要經過五個步驟才能變成已編碼的摘錄，依次是：帶說話人標籤和時間戳的轉寫、去標識化、在整份轉錄稿與摘錄之間做出選擇、按每位參與者一個案例載入資料，以及編碼和匯出。Potato 用 WhisperX 或 faster-whisper 在你自己的電腦上轉寫錄音，在 QDA 模式中藉助備忘錄和案例為文本編碼，並把已編碼的項目以 REFI-QDA .qdpx 檔案匯出到 NVivo、ATLAS.ti 或 MAXQDA。Potato 不會對轉錄稿去標識化，所以你的團隊需要在載入文本之前替換姓名和其他標識資訊。

轉寫把錄下的語音變成文字，轉錄稿記錄到多細的程度是一項分析上的決定。Oliver、Serovich 和 Mason（2005）區分了兩種慣例（參考文獻 2）。自然化轉寫儘可能詳細地記錄每一句話語。去自然化轉寫會修正語法，刪去口吃和停頓，並把非標準口音規範化。說話人分離標出誰在什麼時候說話，去標識化則刪除或替換可能識別出參與者的細節。在 Potato 中，案例把屬於同一位參與者的條目歸為一組，備忘錄是附在一份轉錄稿或一段高亮文字上的分析筆記。REFI-QDA 是 NVivo、ATLAS.ti 和 MAXQDA 都能讀寫的交換標準。

本指南介紹編碼前後的準備工作。兩名編碼者編碼訪談轉錄稿並報告 alpha 介紹兩名編碼者之間的信度，如何標註 Whisper 轉寫文本介紹如何對照音訊校正語音識別的輸出。為質性研究編制碼本介紹如何撰寫程式碼，質性資料分析軟體對比介紹如何選擇工具。

先確定轉寫慣例

McLellan、MacQueen 和 Neidig（2003）指出，沒有哪一種轉寫格式適合所有類型的質性資料、場景或理論取向，準備不當的轉錄稿可能拖延分析，甚至損害分析（參考文獻 1）。一份成文的慣例讓每位轉寫者和每一輪校正都遵循相同的規則，你的團隊要在轉寫第一份錄音之前商定這份慣例。慣例涵蓋三項決定：

• 細節。 慣例規定是否標註填充詞、停頓、重疊話語和笑聲，以及用什麼記號標註。
• 說話人標籤。 每位說話人用一個角色或參與者 ID 表示，例如 Interviewer 或 P07，絕不用真實姓名。
• 時間戳。 每個話輪開頭的時間讓編碼者能在錄音中找到這段話。

Potato 的本地轉寫寫出的是 Whisper 模型生成的文字，Potato 也沒有任何設定能讓模型標出停頓、重疊或填充詞。因此，自然化轉錄稿需要對照錄音再做一輪校正。如何標註 Whisper 轉寫文本介紹如何在 Potato 中設定這輪校正。

在你自己的電腦上轉寫錄音

知情同意書和倫理審批常常限定誰可以聽訪談錄音，以及音訊可以傳到哪裡。potato transcripts --transcribe 用 sherpa-onnx 做說話人分離，語音識別在 WhisperX 已安裝時用 WhisperX，否則用 faster-whisper。transcribe 附加依賴會安裝 faster-whisper 和 sherpa-onnx，WhisperX 需要單獨安裝（pip install whisperx）。這三個工具都在你自己的電腦上執行，不經過任何雲服務：

pip install 'potato-annotation[transcribe]'
potato transcripts ./recordings --transcribe --asr-model small.en --diarize --num-speakers 2 -o data/transcripts.json

該命令為每份錄音寫出一個條目，其中包含每個話輪的說話人、開始時間、結束時間和文字。Whisper 模型從 tiny 到 large-v3 不等，預設是 base。模型越大，執行越慢，轉寫也越準確。Potato 的幫助文本提到，用 --num-speakers 給出說話人數量後，兩人訪談的說話人分離效果會明顯更好。在一段 21 秒、有兩個聲音的合成訪談上測試時，命令輸出了下面的摘要：

Scanned 1 file(s):
  int07.wav                                local ASR + diarization     5 turns     21.4s  2 speaker(s): SPEAKER_00, SPEAKER_01

Potato 2.14.0 會把引擎名寫在 local ASR 的位置，例如 ASR (whisperx) 或 ASR (faster-whisper)。

說話人分離把說話人命名為 SPEAKER_00、SPEAKER_01 等，順序不固定。在測試中，SPEAKER_01 是訪談者，下文的準備指令碼會把每個標籤對映為一個角色或參與者 ID。Potato 自己的原始碼註明，基於聚類的說話人分離在多人同時說話時表現很差。編碼開始前，請對照錄音檢查每場焦點小組的說話人標籤。

模型權重在首次使用時下載。兩個說話人分離模型檔案合計約 47 MB，Whisper 的下載量隨模型大小增加。權重放到機器上之後，轉寫可以在氣隙環境中執行，詳見氣隙與離線部署。對於離線機器，請把一個 CTranslate2 格式的 Whisper 模型目錄複製過去，並把該目錄的路徑傳給 --asr-model，再把 POTATO_MODEL_CACHE 設為存放說話人分離模型的資料夾。

Potato 會把每份原始轉錄稿以 <name>.whisper.json 快取在錄音旁邊，快取中保留了所有姓名。請把快取檔案和錄音放在一起，或者傳入 --asr-cache，把快取檔案寫到一個同樣受保護的資料夾。轉寫之前會先執行語音活動檢測，防止 Whisper 在靜音片段上憑空生成文字。這項檢測也可能在沒有任何警告的情況下丟掉輕聲或耳語。如果轉錄稿比錄音短，請加上 --asr-no-vad 重新執行命令。WhisperX 始終執行語音活動檢測，所以安裝了 WhisperX 時，要讓 --asr-no-vad 生效，請再加上 --asr-engine faster-whisper。

編碼前對轉錄稿去標識化

Potato 沒有能在轉錄稿中查詢或替換姓名、地名或其他標識資訊的工具。因此，去標識化必須在 Potato 載入文本之前完成，因為每個編碼者介面、每條備忘錄、每份引文報告和每個 .qdpx 匯出都會按載入時的原樣呈現轉錄稿。Potato 唯一的文本清理功能在項目結束時執行。python -m potato.publish --scrub-pii 會在釋出的資料集中把電子郵件地址和電話號碼替換為 [EMAIL] 和 [PHONE]，這個選項不會處理姓名。

英國資料服務（UK Data Service）建議用化名或描述性標籤（例如“[colleague 1]”）替換識別性細節，而不是刪除這些內容。同一份指南要求在所有轉錄稿中一致地應用每一處替換，併為改動留下日誌。該指南還要求有所剋制，因為過度匿名化會刪去情境細節，降低資料的詮釋價值（參考文獻 4）。Saunders、Kitzinger 和 Kitzinger（2015）在對植物狀態和最低意識狀態患者家屬的訪談中描述了這種取捨（參考文獻 3）。幾位作者把醫院名稱替換為“Hospital 1”這樣的標籤，並報告說某些保護措施讓分析失去了資料的一部分豐富性。

下一節的準備指令碼會把替換表 pseudonyms.csv 應用到每份轉錄稿上，這張表同時也是匿名化日誌。由於這張表能把化名映射回真實姓名，請把這張表存放在 Potato 所服務的項目資料夾之外。替換表只能捕捉表中列出的拼寫。因此，替換之後仍要有人通讀每份轉錄稿，並判斷工作單位或罕見職業這類間接標識資訊。在測試轉錄稿中，替換表把參與者姐妹的名字替換為 Ana，把一個街道名替換為“[street name]”，而這位姐妹工作的麵包店則留給讀者判斷。載入之後，用 Potato 的全文搜尋在語料中逐一搜索日誌裡的每個姓名。每次搜尋都不應返回任何轉錄稿。

整份轉錄稿還是摘錄

編碼者看到的單位是資料檔案中的一個條目。把整份轉錄稿作為一個條目，能讓編碼者看到訪談的完整脈絡，.qdpx 匯出也會為每場訪談寫出一個來源。項目也可以把每份轉錄稿拆成摘錄，例如每個參與者回答一個條目，這時匯出會為每條摘錄寫出一個來源。摘錄更適合以下兩種情況：

• 編碼者間信度。 一致性是在兩名編碼者都作答的單元上計算的，固定的摘錄讓兩名編碼者面對同一個單元。雙編碼者教程正是出於這個原因把轉錄稿拆成一個個回答。
• 焦點小組。 Potato 把每個條目最多歸入一個案例，因此作為一個條目載入的小組轉錄稿只能屬於一個案例。每個參與者話輪一個條目，才能讓每位參與者的話輪組成該參與者自己的案例。

把轉錄稿展平為帶說話人標籤的文本

potato transcripts 的輸出把每份轉錄稿儲存為一個巢狀的話輪列表，而 .qdpx 匯出會跳過文本不是純字串的條目。因此，要匯入 NVivo、ATLAS.ti 或 MAXQDA 的項目需要先把每份轉錄稿展平為帶說話人標籤的文本。指令碼所依據的決定儲存在三個小型 CSV 檔案中：

speakers.csv        transcript,speaker,name
                    int07,SPEAKER_01,Interviewer
                    int07,SPEAKER_00,P07
participants.csv    participant_id,site,age_group
                    P07,rural,35-49
pseudonyms.csv      original,replacement
                    Maria,Ana
                    Main Street,[street name]

指令碼把同一說話人的連續片段合併為一個話輪，在每個話輪開頭寫入時間戳，應用替換表，並把參與者的屬性複製到條目上。加上 --excerpts 後，指令碼改為每個參與者話輪寫出一個條目：

"""Turn `potato transcripts` output into speaker-labeled text for coding.
 
Usage:
  python prepare_transcripts.py data/transcripts.json speakers.csv participants.csv \
      pseudonyms.csv > data/interviews.jsonl
  python prepare_transcripts.py ... --excerpts > data/excerpts.jsonl
"""
import csv
import json
import re
import sys
 
transcripts, speakers_csv, participants_csv, pseudonyms_csv = sys.argv[1:5]
excerpts = "--excerpts" in sys.argv
 
names = {(r["transcript"], r["speaker"]): r["name"] for r in csv.DictReader(open(speakers_csv))}
people = {r["participant_id"]: r for r in csv.DictReader(open(participants_csv))}
swaps = [(re.compile(rf"\b{re.escape(r['original'])}\b"), r["replacement"])
         for r in csv.DictReader(open(pseudonyms_csv))]
 
 
def clock(seconds):
    m, s = divmod(int(seconds), 60)
    return f"{m // 60:02d}:{m % 60:02d}:{s:02d}"
 
 
def pseudonymize(text):
    for pattern, replacement in swaps:
        text = pattern.sub(replacement, text)
    return text
 
 
for item in json.load(open(transcripts, encoding="utf-8")):
    tid = item["id"]
    turns = []  # merge consecutive segments from the same speaker into one turn
    for t in item["conversation"]["turns"]:
        name = names.get((tid, t.get("speaker")), t.get("speaker") or "Unknown")
        if turns and turns[-1]["name"] == name:
            turns[-1]["text"] += " " + t["text"]
        else:
            turns.append({"name": name, "start": t.get("start") or 0, "text": t["text"]})
    for t in turns:
        t["text"] = pseudonymize(t["text"])
 
    if excerpts:  # one item per participant turn, for focus groups
        for n, t in enumerate(turns):
            if t["name"] in people:
                print(json.dumps({"id": f"{tid}-{n:03d}", "transcript": tid,
                                  **people[t["name"]],
                                  "text": f"[{clock(t['start'])}] {t['name']}: {t['text']}"}))
        continue
 
    participant = next(t["name"] for t in turns if t["name"] in people)
    text = "\n\n".join(f"[{clock(t['start'])}] {t['name']}: {t['text']}" for t in turns)
    print(json.dumps({"id": tid, **people[participant], "text": text}))

在測試錄音上，指令碼寫出了一個條目，下面展示時縮短了文本：

{"id": "int07", "participant_id": "P07", "site": "rural", "age_group": "35-49", "text": "[00:00:00] Interviewer: Thanks for joining, can you tell me how you get to the clinic?\n\n[00:00:04] P07: I take two buses, and it takes most of the morning, my sister Ana drives me when she can, but she works at the bakery on [street name].\n\n..."}

已經以檔案形式存在的轉錄稿也走同一個指令碼。不加 --transcribe 時，potato transcripts 可讀取 21 種轉寫和字幕格式，包括 WhisperX JSON、SubRip、WebVTT、Praat TextGrid 和 ELAN EAF，完整列表見轉寫格式。在其他 QDA 程式中編碼過的項目可以通過 potato import 遷移過來，詳見匯入項目。

在 QDA 模式中編碼

下面的配置為整份轉錄稿設定開放式編碼，每位參與者一個案例。該配置在 Potato 2.13.1 上通過了 python -m potato.validate_cli config.yaml --strict：

annotation_task_name: Clinic access interviews
task_dir: .
output_annotation_dir: annotation_output/
data_files:
  - data/interviews.jsonl
item_properties:
  id_key: id
  text_key: text
user_config:
  allow_all_users: true
  users: []
 
# Open coding by one analyst: a codebook that grows while reading, memos, cases, search
qda_mode:
  enabled: true
 
# One case per participant, with the participant's site and age group on the case
cases:
  enabled: true
  key: participant_id
  attributes: [site, age_group]
 
annotation_ui:
  memos: true
 
search:
  enabled: true
  annotator_claim: true
 
annotation_schemes:
  - annotation_type: span
    name: codes
    description: Highlight a passage and apply a code, or press i to create a code from the highlighted words.
    codebook: true
    labels: [travel to the clinic, cost of care, family support, delaying care]

QDA 模式把碼本設為 open。分析者在閱讀時新增程式碼，這四個標籤只是碼本的初始程式碼。選中一段文字後按 i，會用所選的詞語建立一個原位程式碼。之後重新命名或合併某個程式碼時，此前的編碼仍留在舊名稱下，詳見質性編碼的共享碼本。search 塊開啟全文搜尋，也就是上文檢查姓名時用到的功能。用 potato start config.yaml -p 8000 啟動伺服器。

cases 塊按 participant_id 把條目歸組，並在每個案例上儲存 site 和 age_group。Potato 2.13.1 只根據條目欄位建立案例，沒有任何手動把條目分配給案例的方法。因此，每個條目都需要帶有參與者 ID。測試項目的伺服器日誌報告了 Cases auto-detect: 1 case(s), 1 instance(s) assigned。編碼進行期間，管理員 API 端點 /admin/api/code_crosstab?attribute=site 可按案例屬性統計程式碼，詳見質性編碼中的案例與案例屬性。

備忘錄在每份轉錄稿的 Notes 面板中開啟。新建的備忘錄預設是私有的。編碼者如果希望團隊其他成員閱讀某條備忘錄，就在該備忘錄的可見性選單中選擇 Shared，詳見質性編碼中的分析備忘錄。QDA 模式假定由一位分析者處理整個語料。如果兩名編碼者編碼同一批摘錄，請參照雙編碼者教程和質性研究中的編碼者間信度。如果要讓語言模型擔任第二編碼者，請參閱大語言模型輔助的質性編碼。

匯出已編碼的轉錄稿

下面三種匯出涵蓋了常見的交付物：

python -m potato.export -c config.yaml -f qdpx -o export/
python -m potato.export -c config.yaml -f quotation_report --option include_memos=true -o export/
python -m potato.export -c config.yaml -f csv -o export/

第一條命令寫出一個 .qdpx 檔案，其中每份轉錄稿是一個文本來源，程式碼是沒有層級的扁平列表，每條編碼都附有其編碼者。該匯出不包含備忘錄和案例。由於配置中顯式設定了 cases.enabled 和 annotation_ui.memos，匯出會列印一條警告，點名備忘錄和案例。第二條命令寫出 quotations.csv，每個高亮段落一行，給出程式碼、引文、字元偏移量、轉錄稿 ID 和編碼者，之後每條備忘錄一行。第三條命令把每位編碼者的標註寫成一張表格，供 R 或 Python 使用。案例屬性保留在 participants.csv 中，資料檔案的 id 和 participant_id 欄位可以把這些屬性與引文報告連線起來。

常見問題

訪談轉錄稿應該逐字轉寫，還是做清理後的逐字轉寫？

根據分析需要選擇細節程度。Oliver、Serovich 和 Mason（2005）指出，自然化的完全逐字轉寫在會話分析中最為常見。研究參與者就某個話題說了什麼的研究，通常可以使用去自然化的清理版轉錄稿。Potato 的本地轉寫寫出的是 Whisper 模型生成的文字。因此，逐字轉寫的慣例需要對照錄音再做一輪校正。

訪談轉錄稿應該在什麼時候去標識化？

在編碼開始之前對轉錄稿去標識化，因為 Potato 會完全按載入時的樣子顯示和匯出文本。Potato 沒有去標識化工具。請在載入之前應用一張化名前後一致的替換表，通讀每份轉錄稿查詢間接標識資訊，並在載入後的語料中搜索每個原始姓名。

faster-whisper 能否在不上傳音訊的情況下轉寫訪談？

能，faster-whisper 在你自己的電腦上執行 Whisper，potato transcripts --transcribe 在未安裝 WhisperX 時用 faster-whisper 把一個資料夾的錄音轉成一個 Potato 資料檔案。安裝了 WhisperX 時，該命令改在你自己的電腦上執行 WhisperX，--asr-engine faster-whisper 則保留 faster-whisper。模型權重在首次使用時下載，首次下載之後，轉寫不再需要網路。

延伸閱讀

• 兩名編碼者編碼訪談轉錄稿並報告 alpha：兩名編碼者之間的信度與裁定
• 如何標註 Whisper 轉寫文本：對照音訊校正機器轉寫
• 轉寫格式：Potato 可讀取的每種轉寫格式及本地轉寫選項
• QDA 模式、共享碼本、分析備忘錄、案例與案例屬性和全文搜尋
• 項目快照：凍結已編碼的項目，作為審計軌跡
• 為質性研究編制碼本
• 質性研究中的編碼者間信度
• 氣隙與離線部署
• Potato 中的質性研究：一處彙總所有質性研究功能

參考文獻

1. McLellan, E., MacQueen, K. M., & Neidig, J. L. (2003). Beyond the Qualitative Interview: Data Preparation and Transcription. Field Methods, 15(1), 63-84. https://doi.org/10.1177/1525822X02239573
2. Oliver, D. G., Serovich, J. M., & Mason, T. L. (2005). Constraints and Opportunities with Interview Transcription: Towards Reflection in Qualitative Research. Social Forces, 84(2), 1273-1289. https://doi.org/10.1353/sof.2006.0023
3. Saunders, B., Kitzinger, J., & Kitzinger, C. (2015). Anonymising interview data: challenges and compromise in practice. Qualitative Research, 15(5), 616-632. https://doi.org/10.1177/1468794114550439
4. UK Data Service. Anonymisation for text data. Retrieved November 2, 2026, from https://ukdataservice.ac.uk/learning-hub/data-producer-support/preparing-data-for-sharing-and-reuse/anonymising-data-and-protecting-participants/anonymisationfortextdata/