客服下班後，通話仍躺在交換機或雲端硬碟。主管要抽檢有沒有讀免責、有沒有承諾「一定退款」；培訓要剪三十秒示範；爭議發生時，要在八分鐘嘈雜對白裡找出訂單號。廣東話電話錄音轉文字，不是把會議紀要流程換一套名字，也不是 iPhone 語音備忘錄那種「拷貝全文就算完成」。
電話線的音質、IVR 按鍵音、等候音樂、兩個喇叭搶話，跟 Zoom 會議或街訪咪高峰都不一樣。通用中文轉寫常把「請按一」寫成專員對白，把「四」聽成「十」，把英文 SKU 拆成近音漢字。若你把這份草稿當質檢分數，錯的不是模型偶爾失手，而是用途一開始就選錯了。
本文只處理客服與銷售通話：如何匯出可用音檔、三種產出不要混用、校對時先鎖單號與範圍句。會議錄影另見廣東話會議錄音轉文字；街訪與一般語音轉文字見訪談、街訪與客服錄音做法裡較短的客服段——這裡把電話場景拆開寫。
電話線為什麼比會議錄音更難對
會議咪通常是寬頻、近嘴，專有名詞重複出現。電話通話常見窄頻壓縮、雙方音量差一截、一方用免提、另一方在街上。廣東話聲調短、數字多、中英夾雜的產品名一串接一串，壓縮後最容易塌的就是：單號、金額、日期、英文型號。
第二層干擾不是路人，而是系統自己發出的聲音。總機歡迎詞、按鍵 DTMF、轉駁等待音樂、錄音提示「為保障服務質素，本通話可能被錄音」。這些片段若當成專員說話，質檢關鍵字會誤中，培訓片也會出現一段沒有人在講的「字幕」。
第三層是講者邊界。客服系統若能分左右聲道（專員一軌、客戶一軌），轉寫與抽檢都較穩；匯出成單聲道混音後，重疊道歉與投訴會焊成一句不通的書面語。這不是「再開一次粵語模型」能單獨修好的，要在匯出設定先問清楚。
因此，不要用「整段聽起來通順」當完成標準。電話底稿的完成標準是：關鍵事實對得上工單、免責沒被潤飾成承諾、時間碼夠你跳回原音。文采可以留給對外培訓片，而且那是另一份檔。
廣東話電話錄音轉文字前先分三種用途
同一通錄音，最少有三種合法用途。混用同一套「口語轉書面、刪填充詞、美化斷行」規則，會同時傷害質檢與舉證。
質檢與關鍵字抽檢。 要的是可搜尋正文，加上夠用的時間碼。歡迎語有沒有讀、禁語有沒有出現、有沒有複述金額，靠搜尋比靠聽感快。這裡應偏近原話：專員讀稿的書面句保留；客戶的口語、髒話、重複抱怨不要自動「變禮貌」。填充詞刪太多，會令「有沒有打斷客戶」這種質檢項失真。
對內培訓片。 才需要字幕長度、斷行、畫面安全區。選一段清楚示範，用人聲較乾淨的軌轉寫，再做口語轉書面語——但單號、計劃名、收費條件仍跟質檢母帶同一寫法。這類片接近企業培訓字幕，觀眾是同事，不是 YouTube 路人。
爭議與內部回溯。 以「這句實際有沒有說出口」為準。不要讓模型把「我幫你問問看」寫成「我們保證處理」。範圍句、等待回覆、需要上級批核，全部按原意。這份檔可以是帶時間碼的文字，不必燒錄進漂亮模板。
開轉寫前在工單或檔名寫死用途。一份 WAV 可以跑兩次風格：一次近原話給質檢，一次書面給培訓；不要指望同一份「通順中文」同時服務三件事。
匯出音檔：先切走總機，再決定聲道
多數客服平台可以下載整通通話。直接把含 IVR 的檔丟進任何語音轉文字，等於請模型替自動語音系統寫對白。
建議順序：
- 從通話系統匯出，而不是用手機再錄喇叭。 二次收音疊冷氣與鍵盤，校對成本會高過平台下載。個人用 iPhone 語音備忘錄把會議備忘轉成逐字稿，解決的是另一件事：它沒有你們的品牌詞庫、沒有穩定的
.srt／.txt匯出流程，也不適合把整月話務批量歸檔。客服質檢應以交換機或雲端通話平台的原檔為準。 - 能分軌就分軌。 雙聲道或「專員／客戶」分開的檔，轉寫後較容易標誰在講。只有混音時，重疊段用人耳補，不要假設任何工具能完美分講者。
- 切掉或單獨標記開場系統音。 歡迎詞、按鍵選單、等候音樂，要麼在轉寫前裁走，要麼生成後整段標成系統聲，不要寫進專員話術分數。若工具支援背景聲音標註，等候音樂可以標成音樂類提示，而不是硬聽成歌詞或口語。
- 格式用常見音訊即可。 WAV、MP3、M4A 對後製和轉寫都夠用；不要為了「看起來專業」再壓一次低碼率，電話本身已經窄。長靜音過多的檔，可先裁掉持線十分鐘，以免配額與注意力都耗在無對白。
- 詞庫先於轉寫。 把本週活動名、計劃代碼、常見英文產品、公司官方簡稱放進自定義詞庫。電話裡「Plan S」和「Plan X」只差一個輔音，沒有詞庫時近音會擴散到整月報表。
轉寫時書面語開關按用途選：質檢近原話；培訓可轉書面。中英夾雜的 SKU、App 名、計劃代碼，規則與影片字幕相同——該留英文就留，見中英夾雜字幕。不要為了「全中文報表好看」把型號譯走。
校對只聽高代價句：單號、金額、範圍句
電話校對不要從頭聽到尾改文采。先搜數字與承諾，再抽噪音段。
訂單號、個案號、電話、地址。 用搜尋找出含阿拉伯數字或「號／單」的行，逐條對工單。不確定就跳回原音。書面語模型有時會把口語「三四五六」自動排版成另一串，看起來更整齊，卻對不上系統。這類欄位錯了，後面所有質檢結論都不可用。
金額、折扣、生效日。 「月費六十」和「月費十六」在窄頻裡接近。畫面上沒有價目卡可以對時，只能對工單或專員螢幕錄影。教學片可以把價錢寫在畫面卡上再對字幕；純音訊通話沒有這層保險。
範圍句與承諾。 「我幫你申請看看」「需要審批」「不保證獲批」被寫成「我們會批」，是客服字幕最貴的一類錯。法律短片有官方條文可對；電話沒有，只靠原話。沒說出口的免責，也不要讓工具「幫忙補上」。
不當用語與情緒句。 質檢若要抽禁語，底稿應保留原句，再按公司政策決定報表怎麼展示。對外培訓片才考慮過濾或改寫。把髒話自動洗成「客戶表示不滿」，關鍵字報表會變假陰性。
持線與重疊。 長段無對白不要硬生成華麗書面句——那類「幻覺」在嘈雜或音樂後更常見。處理思路與配樂、街拍噪音相同：人耳都聽不清的，標不清或裁掉，不要猜。
若平台提供段落置信度或噪音標記，先只重聽低分句，再抽查高分句裡的單號。粵語優化的轉寫仍然受電話音質限制；垃圾音訊不會因為換工具就變成法庭逐字稿。功能說明見 Model 2.0。
時間碼怎麼用：跳回原音，而不是排版
質檢要的時間碼，是「這句在錄音第幾分幾秒」，方便主管點擊重聽，不是給 Reels 看的一行字數。.txt 若帶時間戳已經夠抽檢；要做培訓片才匯出 .srt，再進剪輯軟件對畫面。格式取捨見 SRT 與 FCPXML。
不要把質檢底稿的長句直接燒進直式短片。培訓精華應另切短句，讓同事讀得完，見 Reels 字幕長度——那是第二份檔，單號寫法必須與母帶相同。
講者名在電話場景通常只有「專員／客戶」，或工單上的職員編號。SRT 本身不是可靠的左右分軌格式，不要靠重疊時碼假裝兩人同時說話。分不清就在文字裡加標籤，或回到分軌音訊重跑。
批量時以「本週活動關鍵字 + 抽樣重聽」代替全量聽打。轉寫讓你搜「保證」「免費」「即時批核」；耳朵只驗證命中的那幾秒。這才是電話場景相對會議紀要多出來的工作方式：會議找的是負責人，通話找的是風險句。
什麼時候專用粵語流程夠用，什麼時候不夠
夠用的情況：香港口語為主、產品詞已進詞庫、音檔來自通話平台、用途已分成質檢或培訓、你接受抽檢而不是全量自動打分。此時粵語轉寫加人工鎖單號，通常快過從零聽打。
不夠用、應改收音或改流程的情況：只有喇叭翻錄、雙方長期免提重疊、IVR 佔了半通、需要法庭級逐字且不容許時間碼誤差、要把結果直接寫進合規系統當自動判決。後者需要法律與資訊安全同事定保存期限與存取權，不是字幕工具能代簽。
也不要把電話底稿當成公開 YouTube 字幕來發。客戶姓名、地址、電話、病歷或財務細節出現在畫面，是私隱事故。培訓片用化名與虛構單號重演，或只播專員側示範句，比把真實通話燒錄上網安全。
CantoSub 可處理常見音訊格式，並在廣東話場景提供口語轉書面語、詞庫與置信度提示；客服培訓若要上字幕，用同一母帶匯出 SRT 再進剪輯即可。價格與配額見 定價，新帳戶可先在註冊頁用短音檔試你自己的詞庫，不要用真實客戶身份證號碼做測試。
常見問題
問：iPhone 已經可以錄音轉文字，為什麼客服還要另做？ 答：系統備忘錄適合個人備忘，一次拷貝一段文字。話務質檢需要可搜尋歸檔、詞庫統一、時間碼跳轉，以及（若要培訓）獨立的字幕檔。來源也應是通話平台原檔，而不是用手機對着喇叭再錄一次。
問：要不要每通都轉成書面語？ 答：質檢不要。書面化會抹掉打斷、重複與口頭承諾的邊界。培訓示範可以轉書面，但單號與收費條件仍跟原話對。
問：雙人搶話怎麼標講者？ 答：有分軌就分軌轉寫。只有混音時，重疊段標「同時發言」並重聽關鍵句，不要讓模型合成一句誰都沒說過的話。
問：轉寫結果可以代替正式質檢評分嗎？ 答：底稿可以大幅減少抽聽時間，分數與懲處仍要按你們的話術表，由指定人員聽原音後落筆。自動關鍵字只負責提醒，不負責判決。
問：等候音樂要不要出字幕？ 答：質檢檔標成系統／音樂即可，不要當成專員話術。培訓片把持線剪掉，觀眾沒有理由讀一段沒有人說話的字。
本文由 CantoSub 團隊編寫審閱；撰稿過程使用 AI 輔助，事實與產品說明以官網為準。