第4章 原始数据整理：录音转文字、标注说话人、时间戳、剔除无用信息

4.1 需求拆解：从原始录音到结构化数据

用户访谈结束后，团队手中只有几十段原始录音文件，无法直接用于Persona构建。核心业务问题集中在四个维度：

• 声源混杂——多人对话交织，无法区分发言角色。
• 内容无序——关键信息淹没在寒暄、重复、离题内容中。
• 缺乏索引——没有时间标记，无法快速定位特定话题。
• 质量参差——不同采访环境导致录音清晰度差异大。

需求拆解后，我们将“原始数据整理”细分为四个标准工序：录音转文字、标注说话人、添加时间戳、剔除无用信息。下面这张流程图完整呈现了从原始录音到可用于Persona分析的结构化文本的转化路径。

4.2 录音转文字：工具选择与质量标准

将录音转化为可编辑的文本是后续所有工作的基础。转写质量直接决定了Persona素材的可信度。以下是当前主流的转写工具对比：

4.3 说话人标注：角色区分与命名规范

多人访谈中必须明确区分每句话的发言者。标注格式应统一、机器可读。推荐使用 “时间戳 + 说话人 + 内容” 的标准结构：

[00:03:25] 张三：我平时使用微信支付比较多，尤其是在便利店。
[00:03:32] 李四：我也是，但有时候也用支付宝，因为有积分。
[00:03:40] 张三：支付宝在便利店有优惠的时候我会换着用。

说话人命名应遵循以下规范：

• 实名优先——如果用户同意，直接使用称呼（张三、李四），便于后续追溯。
• 匿名替代——若需匿名，使用 P1、P2 或 U01、U02 等编号，并在文件头注明映射关系。
• 角色标注——必要时增加角色标签，如 [00:05:10] 张三(产品经理)，丰富Persona素材维度。

4.4 时间戳：时序索引与粒度选择

时间戳为每一句对话提供精确的时序位置，支撑后续的片段定位、话轮分析和情绪追踪。格式推荐使用 [HH:MM:SS] 的24小时制：

[00:12:05] 张三：我每天大概花两小时在短视频上。
[00:12:10] 李四：我主要看直播带货，最近买了不少。
[00:12:18] 张三：直播带货我还在观望，怕踩坑。

粒度选择原则：

4.5 剔除无用信息：清洗标准与操作方法

原始转写文本中包含大量与Persona构建无关的内容，需要系统化清洗。无用信息主要分为以下四类：

操作流程示例：

1. 第一遍通读，标记明显离题和重复段落。
2. 第二遍精读，逐句判断信息价值，保留与产品使用、决策、痛点、场景直接相关的句子。
3. 第三遍复核，对照原始录音验证清洗后的文本是否保留了关键原话。

4.6 交付物模板与验收标准

完成上述四步整理后，输出统一的 结构化访谈文本。以下为推荐模板：

【访谈信息】
项目：智能家居App用户深访
时间：2025-01-15 14:00-14:45
受访者：张三（P1）、李四（P2）
采访人：王研究员

【记录正文】
[00:00:00] 王研究员：欢迎两位参加今天的访谈，先请简单介绍一下自己。
[00:00:15] 张三(P1)：我叫张三，32岁，在一家互联网公司做运营，家里有智能灯和扫地机器人。
[00:00:30] 李四(P2)：我是李四，28岁，自由职业，刚买了一套智能家居套装。
[00:01:00] 王研究员：你们每天使用智能家居App的频率是怎样的？
[00:01:15] 张三(P1)：我每天早晚都会打开看看，主要是确认灯和空调的状态。
[00:01:28] 李四(P2)：我用的更频繁，因为家里设备多，经常要切换场景模式。
[00:01:40] 张三(P1)：不过我有时候觉得App响应有点慢，尤其是远程控制的时候。
[00:01:52] 李四(P2)：对对对，我也有同感，而且有时候会连接失败，很影响体验。
[00:02:10] 王研究员：能具体描述一下连接失败时的场景吗？
[00:02:18] 张三(P1)：比如前天我在公司想提前打开空调，App一直转圈，最后还是用语音助手才搞定。
[00:02:35] 李四(P2)：我碰到过一次，晚上回家发现灯没亮，App显示离线，后来重新插拔网关才好。
…

验收标准清单：