廣東話語音轉文字若來自 WhatsApp 語音訊息，工作不是再開一次短片自動字幕。通勤開不了聲、店裡嘈、會議中不能播，對方用口語交代地址、改單或投訴，你要的是可搜尋文字。先分清「聊天軟件內建轉錄」和「另存音檔再轉寫」。
內建轉錄適合掃一眼。要寫工單、做培訓片字幕、把客戶原話放進短片，內建結果通常不夠：沒有穩定時間碼、沒有詞庫、書面語與口語混在同一氣泡裡。訪談、街訪、客服熱線的長音檔做法見 廣東話語音轉文字：訪談、街訪與客服；本文只處理語音訊息——檔更短、格式更怪、私隱邊界也不同。
讀完應能決定：這條訊息聽完就算、複製內建文字入備忘，還是匯出 .opus／.ogg、轉成可上載格式、再校對號碼與地址。不要把聊天氣泡裡的字直接另存成 .srt 上 YouTube。
廣東話語音轉文字：內建轉錄還是匯出？
WhatsApp 的「語音訊息轉錄文字」在裝置上產生文字，官方說明寫明連 WhatsApp 本身也不應讀到你的內容。設定路徑大致是「設定 → 對話 → 語音訊息轉錄文字」，再開語言套件；實際用時長按語音訊息，選轉錄。iPhone 一端常見要求較新的 iOS，並依賴系統語音辨識；Android 則用裝置上的語言套件。選單用字會隨版本改，以你手機當日畫面為準。
這條路的價值是速度與私隱：訊息不必先離開手機，就能在電車上看內容。限制也很具體：
- 沒有字幕時間碼。 氣泡裡是一段純文字，不是 SubRip。不能匯入 Premiere，也不能當 YouTube 軟字幕。
- 沒有專有名詞鎖定。 屋苑名、SKU、同事英文名錯了，只能人手改那一格，無法預先餵詞庫。
- 語體你控制不了。 口語、填充詞、標點按系統當日輸出，不能一鍵改書面語。
- 長度與音質。 對方邊行邊講、對面有電視、懶音重，錯字會集中在專有名詞與數字——偏偏這些才是你要的。
判斷可以只靠內建：內容是寒暄、約時間、一句「到了地下」。判斷要匯出：要入 CRM、要給同事搜尋、要剪成見證短片、同一客戶一連幾條語音要併成一張工單。Zoom 會後兩小時錄影不是這個問題，見 會議錄音轉文字。
不要把內建文字「美化」成字幕母帶。時間軸對不齊原聲，口型與字會各走各路。要上片，必須從音檔重跑一條帶時間碼的稿，再按片種調書面語，見 口語轉書面語。
WhatsApp 語音訊息怎麼另存
匯出目標是一份你能在電腦播放、並上載到轉寫工具的音檔，而不是聊天備份還原回 WhatsApp。聊天備份通常只把語音「還給 App」，不會交給你可編輯的檔。
iPhone。 語音訊息預設困在 App 裡，檔案 App 看不到資料夾。打開該則訊息，用分享箭頭選「儲存到檔案」，放到「我的 iPhone」或 iCloud Drive。需要給同事時，用郵件附件或雲端連結，不要再轉發回另一個聊天當唯一備份——轉發不會幫你轉碼，只是再複製一份 Opus。一次要多條，可用該對話的「匯出對話」並勾選附帶媒體；上限與是否真的包齊語音，隨版本而變，匯出後要打開壓縮包核對副檔名，不要假設全部都在。
Android。 較常見可在檔案管理員找到 WhatsApp/Media/WhatsApp Voice Notes，新版本亦可能在 Android/media/com.whatsapp/WhatsApp/Media/WhatsApp Voice Notes。檔多半是 .opus。複製到下載資料夾或電腦，比在聊天裡反覆轉發穩。若系統把媒體下載關掉，資料夾會是空的，先在 WhatsApp 媒體設定允許下載語音，再找檔。
桌面版／網頁版。 個別語音可直接下載到電腦「下載」資料夾。適合已經坐在剪輯機前、只處理兩三條的情況。仍要先用 VLC 一類播放器確認聽得到，再上載。
不論哪邊，另存後立刻播一次。分享列有時存的是預覽失敗的空檔，或只存了聊天文字匯出。聽得到人聲，這一步才算完成。
Instagram、Telegram、微信的語音氣泡同樣不是 MP4。匯出名稱與容器各不相同，但判斷一樣：內建「轉文字」只服務閱讀；要校對、要上片，必須拿到可播放的音檔。不要假設「聊天軟件能聽，瀏覽器上載欄就一定收」。檔名建議 日期-客戶簡稱-主題.m4a，避免 AUD-0001 一週後無人認得。
Opus 檔為什麼不能直接當字幕母帶
WhatsApp 按住說話錄的，現時多數是 Opus 編碼，副檔名 .opus 或包在 Ogg 容器的 .ogg。這不是損壞。Windows 內建播放器、不少手機相簿、部分線上表格「上傳音訊」欄位不認這個副檔名。雙擊打不開，不代表匯出失敗。
轉寫工具認的格式也不等於聊天軟件認的格式。CantoSub 標明可接受的音訊包括 MP3、WAV、M4A，影片則是 MP4、MOV 一類；上載前把語音訊息轉成 M4A 或 WAV，比改副檔名硬充 MP3 穩。只改副檔名不會改編碼，播放器仍會拒檔。本機可用 VLC 另存，或用你慣用的音訊轉換；轉換時不要加背景音樂、不要正規化到把氣音削掉——語音訊息本來就短，再壓一次只會傷數字和尾音。
轉出來的文字有兩種用途，不要混：
- 工單／備忘。 要的是一段可搜尋正文。
.txt即可。時間碼可有可無。 - 上片。 要的是
.srt，時間碼對齊原聲。客戶見證、培訓示範、把語音訊息讀出來再配畫面，都走這條。軟字幕與燒錄怎麼分，見 軟字幕與燒錄。
一條一分半的落單語音，不值得先剪成直式影片再「用短片自動字幕」救字。先轉寫、先對號碼，再決定要不要出畫面。反過來，已經剪好的訪問片不應拆回一堆語音訊息逐條轉——那是 訪談字幕 的工作。
客服與落單：先對號碼與地址
語音訊息最貴的錯，不是填充詞，而是「九」聽成「六」、屋苑名近音、英文門牌被寫成漢字。校對順序應與影片字幕相反：先數字與專有名詞，最後才管語氣。
建議固定掃一遍：
- 可核對的識別碼： 訂單號、會員號、發票號、電話。能對系統的，不要只信耳朵。
- 地址： 屋苑、座數、樓層、單位。港式口語「兩座」與「B 座」最易混。
- 金額與日期： 「三號」是日期還是數量，要看上文。不要把口語「舊年」寫成一個你猜的西曆，除非對方說了年份。
- 中英夾雜：
hold、cancel、產品型號按你們店舖慣用寫法統一，見 中英夾雜字幕。 - 人名： 同事英文名、客戶自稱。詞庫可預載常客與貨品，見 自定義詞庫。
整條語音是投訴或爭議，保留口語原句較穩，書面語潤飾會改變語氣，日後對稿麻煩。整條是內部交更，可以轉書面，方便搜尋「改址」「補運」。不要用同一套「全部轉書面」規則對待見證短片與法律相關對話。
多條連續語音（客戶分三次講完）按時間命名後轉寫，再合併正文。工單只貼合併稿，並連回三條原檔。不要三張單各自摘一句——號碼對了，故事仍會斷。對方在第二條更正第一條地址時，合併稿要刪舊址，不要兩行並存卻不標「已改」。
若目的是質檢錄音室裡的長通話，而不是聊天語音，回到客服熱線流程即可，不必套用 WhatsApp 匯出步驟。
要用書面語或上片時才換流程
把語音訊息做成可公開的字幕，多一步「用途分叉」：
- 只給同事看的文字： 內建轉錄或
.txt，改完號碼就入系統。 - 要配畫面的短片： 轉寫出
.srt，按直式安全區切句，靜音預覽讀不讀得完，見 Reels 字幕長度。 - 要放進 YouTube 長片當其中一軌： 先校對書面語母帶，再上載軟字幕，見 YouTube 廣東話字幕。不要把聊天氣泡截圖當字幕。
口語見證想留「真係好穩陣」一類句子，可以保留；產品功效、價格、退換條款仍要和畫面卡、置頂留言一致。語氣最後才調，數字先鎖。
需要由廣東話音訊產出可校對文稿或 .srt 時，可把已轉成 M4A／WAV 的語音訊息交給 CantoSub。口語與書面語、詞庫、置信度標記以 Model 2.0 為準，用量見 收費。上載的是你另存的音檔，不是把整個 WhatsApp 對話備份丟進瀏覽器。
私隱：裝置轉錄與上載轉寫的取捨
內建轉錄留在裝置，適合含身份資料、未付款爭議、未成年相關內容——這類訊息往往根本不應離開聊天軟件。能在氣泡裡看懂、用手打進內部系統，就不要為了「整齊一點」而上載。
上載轉寫適合：已獲允許用作內容的見證、已脱敏的培訓範例、你自己錄給自己的訪問備忘。上載前先聽一遍，刪掉不該進工具的段落（完整身份證號碼、信用卡讀數）。工具再聰明，也不應替你做這層判斷。
公司帳號與私人手機混用時，更應規定：客戶語音只能進公司雲端資料夾，命名不含全名以外的識別資料。轉寫完的 .txt 與原音檔放同一張工單，方便抽查；不要只留「AI 寫得很順」的段落而丢掉原檔——順的句子可能已經改了對方的意思。
常見問題
問：內建轉錄已經看得懂，為什麼還要匯出？ 答：看得懂夠回一句「好，下午送到」。要搜尋舊單、要上字幕、要給第三個人核對原聲，就需要音檔與帶時間碼的稿。兩件事不是同一份產出。
問：Opus 上載失敗是不是檔壞了？ 答：多數是格式不被接受。用 VLC 能播，就先轉 M4A 或 WAV 再試。改副檔名很少能過關。
問：可不可以把十幾條語音訊息一次匯出對話來轉寫？ 答：可以當歸檔。轉寫仍建議逐條或按同一主題合併，否則講者、日期、訂單會纏在同一份稿，校對更慢。匯出對話若沒勾選媒體，壓縮包裡只有文字佔位，沒有聲音。
問：語音訊息轉出來能不能直接當會議紀要？ 答：不能。紀要要重寫結論與待辦。語音訊息通常沒有議程，只有指令。會議長錄音見 會議錄音轉文字。
問：對方用普通話夾廣東話，內建語言要選哪一種？ 答：以他主要口語為準試一次；夾雜仍易錯專有名詞。要上片或入系統，匯出後用粵語優化的轉寫再對一次號碼，比在兩個語言套件之間反覆開關省事。
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。WhatsApp 選單與語言套件以你裝置上的版本及 Meta 說明為準。