哈囉 大家好～ 這次過年連假好快就結束了， 有點意猶未盡的感覺😆 今天又是每週五的週報時間！ 這次分享的是「語音轉文字」(speech-to-text)的AI工具： 【OpenAI Whisper】

開始介紹之前， 先閒聊一下我跟這種AI工具的因緣😆 前兩年我遇到大量整理採訪稿的工作， 而且每次採訪動輒都兩三小時起跳， 事後整理起來真的是痛苦， 有時一天能整理完兩場訪談就謝天謝地了...

所以照我這種喜歡找捷徑的個性😆😆 當然是馬上去找有沒有更輕鬆的方法！！ 那時候主打「AI翻譯」、「AI語音轉文字」的工具已經有不少， 國內國外的工具一字排開， 我大概試了10款不同的產品， 但有些對中文的理解程度不足、 有些是不能有效處理背景噪音的問題... 刪除到最後，我選了「goodtape」這個工具！ goodtape由丹麥哥本哈根的團隊研發， 背後用的也是OpenAI 的Whisper技術， 更有趣的是， 我想都想不到， 丹麥人研發的產品，竟然對繁體中文的辨識準確度這麼高！ 所以我在上面陸續花了幾千塊， 就說服自己... ...花錢省時間😂 當然，後來我學會怎麼在自己電腦安裝Whisper之後，就沒有繼續花錢了😆

接下來正式進入介紹～ 談到「語音轉文字」，可能有些人不清楚要用在哪裡？ 這類型的需求或許並不常見， 但其實學生或上班族都有機會遇到， 而且一旦遇到，就會是很麻煩又花時間的工作！ 舉例來說，教授叫你整理把一場研討會的錄音檔整理成逐字稿， 或是老闆叫你完整記錄一場幾小時的會議內容， 又或者，你有替影片上字幕的需求， 以前這些工作都很耗時間， 想像一下，如果我們一邊聽、一邊手動打字， 想把１小時的錄音檔整理為逐字稿， 至少要花3小時、甚至更久的時間才能完成... 但現在有了許多AI語音轉文字工具， AI會先幫我們整理出草稿， 我們只要修改錯別字就好， 整個速度大幅提升！！

這類型的AI工具很多， 今天我先介紹OpenAI 的 Whisper， 有以下幾個優點： ✅ 目前完全免費 ✅ 無論使用量多寡都不需另外付費 ✅ 錄音檔(.mp3) OK、影片檔(.mp4)也OK ✅ 對英文的辨識率、準確度很高，中文也挺好 ✅ 中文自動標點符號與斷句，表現得不錯 ✅ 處理完成，一次提供文字檔(.txt)、字幕檔(.srt)、以及.json、.tsv、.vtt等不同類型的檔案 當然，它也是有一些小小缺點😆 🆖 運作時會大吃電腦資源(CPU、記憶體) 🆖 安裝過程有點小複雜 一般來說，我都是在Anaconda上面使用OpenAI Whisper， Anaconda 是對初學者滿友善的 Python 編輯器。

安裝完相關的套件之後， 每次使用 Whisper都只要下兩種指令： 1️⃣ 設定來源檔案的儲存位置 例如把檔案放在電腦的「下載資料夾」，就輸入指令： cd C:\Users\User\Downloads 2️⃣ 設定Whisper模型參數 輸入指令： whisper sam0119.mp4 –language English –model large-v2 這個指令含三個部分， sam0119.mp4 是要處理的影片檔名， language是設定語言， 例如這段影片是英文就寫English、中文則輸入Chinese， (其他日文、韓文、各種語言都OK) 最後，model設定的是模型版本，目前有以下幾種： tiny、base、small、medium、large、large-v2、large-v3。 太多模型可選，大家可能有點花撩亂的😂😂 簡單來說， 越大越新的模型，最後處理完的品質越好👍👍 但花的時間也越久😂 我的經驗是用large以上的版本， 最後處理完的逐字稿／字幕檔的品質就挺好的了。 以上1️⃣、2️⃣的參數設定，大家可以自己依照需求修改。 實際運作過程如下圖： 輸入完1️⃣、2️⃣兩條指令之後， 程式就會自動跑起來， 畫面會陸續出現一段一段帶有時間標記的逐字稿！

正如我前面提到， Whisper運作時會大吃電腦CPU、記憶體的資源， 打開工作管理員就能看到用量飆高😂 ❗️我想應該有人好奇一個錄音檔、或是一段影片要處理多久？ 這個問題基本上取決於「電腦的硬體效能」， 像我的電腦硬體不算太好， 大概要花影片時長兩倍的時間，才能處理完， 也就是說， １小時的影片，大概需要2小時的處理時間～～ 當然啦，前面介紹我們可以選medium、large等等不同的模型， 來執行語音轉文字的工作， 選擇越先進的模型，耗費的時間也會越久～ 正如前面所說， 不管是把錄音檔整理成逐字稿、 或是幫影片上字幕， 都是非常耗時耗力的工作， 大家不妨先對今天介紹的工具有點印象， 之後或許能幫上忙～～

如果你對Whisper的完整安裝教學， 或是如何用AI自動完成會議記錄、生成影片字幕有興趣， 歡迎參考這篇文章： (我很努力把安裝流程寫清楚哈哈)

另外，如果你對打造「線上」語音轉文字工具有興趣， 歡迎參考這篇文章：

這篇文章就分享到這裡， 每週來點新鮮事~ 希望大家喜歡【入流週報】的第４集， 未來一樣每週五更新唷😊 －－－－－－－－ 歡迎追蹤我的IG、FB IG👇

FB👇

個人網站👇

也很歡迎訂閱【Dcard電子報】，新文章上線都會自動通知👇