质性研究入门有一条金律：访谈要录音，录音要逐字转写，转写要“忠实”。这条金律错了——错不在录音，而在“忠实”二字。

转录不可能忠实。Ochs（1979）在“Transcription as Theory”里指出，转录行为本身就是理论活动：你决定把停顿放在哪、是否标注重音、分词还是连写，都在编码一种解读。同一段音频，两位转写员可以给出不同版本的逐字稿；标点不同，引语的逻辑归属就不同。Kvale（1996）也提醒过：转写不是走向分析的前厅，它就是分析的第一轮。

更麻烦的是，逐字稿读起来越顺畅，它和口语的原始事件偏离就越远。口语里有大量修补、语气词、重复和中断；如果你把它们清干净，得到的不是“干净数据”，而是一份已经做完了选择性诠释的文本。田野笔记的经典民谚：田野笔记不是数据，是第一次分析（Emerson et al., 1995）——转写也一样。

所以我在管理田野数据时有一条协议：录音照录，但转写必须自己做、当场做、带着理论问题做。每一处标点、分段、省略都是可审计的决策，不是自动生成的副产品。

如果转录是理论，那自动语音识别（ASR）是什么？当模型替你决定断句、标点、哪句话算“嗯”哪句话算“啊”时，理论的作者变成了谁？