网页好读版：https://reurl.cc/2lDeQa 影片提供更详细的操作流程与转录过程，能更快速体验本篇的内容： https://youtu.be/08kLZRvPD9U 还记得在早期没有AI工具的学生时代，要做逐字稿几乎只能一段段人工听打，不但需要耗 费大量时间，同时也显得较枯燥。 後来智慧型手机开始内建语音辨识功能，虽然也试过几次，但准确度与实用性都还不理想 。 随着近年语音辨识藉由导入AI技术再进步，语音转文字已经变得更快、更准确，也更容易 整合进日常工作；不论是需要自动产生字幕的影音创作者、想整理会议纪录或讲座笔记的 学生与社会人士，甚至需要多语言转录的使用者，都能从这类AI工具中受惠。 这次主要以节省时间与提升效率为出发点，实测WhisperDesktop、MyEdit与威力导演三种 AI 语音转文字工具，针对「所需时间」、「准确率」与「方便性」三项重点进行比较， 最後会以图表方式整理差异，方便大家快速了解结果。 https://i.imgur.com/eFfYrNd.jpeg 过程中使用MSI所推出的16寸AI PC，搭载目前笔电市场颇受好评的Intel Lunar Lake架构 ，CPU为Core Ultra 7 258V，内建Arc 140V GPU 16GB(64 AI TOPS)、4代NPU(47 AI TOPS)，AI算力比上一代分别提升约3、4倍，皆有助於加快本机AI运算速度。 AI PC轻薄的设计除了具备日常携带的便利性外，也较以往机种拥有更长效的续航力，让 语音转文字处理的流程能在户外或室内等多种情境下顺畅进行，兼具效能与行动力的优势 。 接下来便开始进行这三款AI工具的实际使用方式与转录表现。 第一个要介绍的工具是WhisperDesktop，是一款基於OpenAI Whisper技术所开发的桌面应 用程式，可以在本地端直接进行语音转文字处理，不需要额外撰写程式或使用命令列工具 ，对一般使用者来说相当方便。 这套工具的优点除了免费之外，也支援多国语言辨识，操作介面简单直觉，很适合用来处 理日常的录音转录或字幕生成。 首先要到GitHub下载WhisperDesktop。 https://i.imgur.com/TA3IzH0.png 再到Hugging Face下载专用的ggml语言模型。 https://i.imgur.com/vWghnH2.png 设定好模型路径後就可以开始使用，Model Implementation分为GPU、Hybrid、Reference 三种模式。 https://i.imgur.com/z7J2p5i.jpeg WhisperDesktop支援音讯与影片档两种格式，选择语言以及要转录的档案，设定好输出格 式与转录档储存位置後，就能开始转录(Transcribe)。 输出部分可以选择一般的纯文字档(Text file)，或是可直接使用於影片字幕的SRT档 (SubRip Subtitles)。 https://i.imgur.com/bO7b7er.jpeg 这次测试分别使用两段自录影片进行： 第一段是AI笔电发表说明会现场实拍影片、第二段则是Computex 2025快速带看Intel摊位 影片。 两支影片中包含环境噪音、背景音乐、单人演说，以及中英文混杂的内容，长度分别为4 分40秒与1分23秒。 转录时间分别仅需1分30秒与27秒即可完成，将文字档与原始影片透过一字一句重新人工 核对，整理出辨识准确率约落在94～95%。 除了像「Core Ultra」这类专有名词偶尔会误判外，大部分中英夹杂的内容都能正确辨识 。 更特别的是会自动省略像「嗯」、「那」、「这个」等赘词，让逐字稿的可读性更高。 https://i.imgur.com/hFcIiEw.jpeg 最後再以英文演讲影片进行测试，长度达1小时42分。 https://i.imgur.com/ekyyClI.jpeg 这一段转录时间仅27分52秒就能完成。 实测结果看起来，WhisperDesktop对影片长度没有限制，整体效率相当优异，也展现出 AI PC在本地转录任务上的效能优势。 整体流程相当顺畅，也不需要连线云端就能完成辨识。 https://i.imgur.com/eYG0oqW.jpeg 接下来要介绍第二种语音转文字的方法，是透过线上AI工具MyEdit来进行转录。 进到MyEdit网页後，在上方工具列中选择「音讯编辑工具 => 语音转文字」，即可进入转 录页面。 上传音讯档案前，可以先确认语言、档案格式与长度限制是否支援，每转录1分钟音讯需 要消耗1点数。 https://i.imgur.com/oDDuSkp.png 音讯原声支援多种语言，汇出时同样提供纯文字档(Text)或SRT字幕档两种格式可选。 这次同样使用前面提到的两段影片进行测试： AI笔电发表说明会(4分40秒)与Intel Computex 2025摊位快速带看影片(1分23秒)。 产生时间约为23秒与11秒即可完成，速度相当快。 https://i.imgur.com/bqxNQoF.png 产生後可直接线上播放音档、即时检视内容，也能立即在页面中编辑文字。 整体辨识准确率约95～96%。 不过在部分英文单字上仍有漏字情况，例如「HuggingFace」、「Stable Diffusion」、 「Notebook」等专有名词，偶尔会出现拼字错误。 另外，MyEdit在断句与标点符号的处理较为杂乱，但中文语音的辨识率相当高，对於讲者 语气、语助词及语句节奏也能准确呈现。 整体来说，MyEdit线上工具的介面简洁，搭配即时预览与可编辑功能，在处理音档的逐字 稿或字幕档时，能有效提升效率。 https://i.imgur.com/qLWEMhv.png 如果是影音创作者，或影片档需要制作字幕，可以试试第三种方法 - 威力导演 (PowerDirector)内建的字幕功能。 在软体中汇入档案并开启字幕工具後，选择「AI 语音转文字」即可开始转录。 这项功能与MyEdit相同，同样都是由讯连科技(CyberLink)所开发，因此在产生结果与准 确率上差异不大。 虽然需要先安装威力导演才能使用，但优点在於转录完成後能直接编辑字幕内容并同步制 作影片，等於在同一套软体中就能完成整个流程。 https://i.imgur.com/ebXt7bq.png 选择音讯来源与语言，另外也提供在字幕中加入标点符号的功能。 https://i.imgur.com/0JVog07.png 接着执行制作本段影片字幕。 https://i.imgur.com/ur6QJCL.png 断句与标点符号可自由调整，若发现有重复的用词错误，也能利用上方的「寻找与取代」 功能快速一并修正，操作流程相当直觉。 https://i.imgur.com/yQ4oyOg.png 图为将纹身(相似音字)修改为文生(正确词汇)。 https://i.imgur.com/2ptTqA9.png 字幕完成後，只要点选右上角省略符号内的「汇出字幕 => 汇出(不含样式格式)」，就能 输出SRT档，方便直接套用到影片或上传到平台使用。 https://i.imgur.com/78nNPrb.png 最後来统整这三种方法的使用结果与感想： 以相同的影片档案计算处理速度，威力导演最快，其次是MyEdit，最後是 WhisperDesktop。 WhisperDesktop透过这台AI PC在本地运算效能，虽不及另外两种工具在云端大模型运算 的那样快速，不过仰赖内显140V 16GB，转录速度比预想中要好上不少，加上免连网有更 好的隐私性。 https://i.imgur.com/XC6NF6A.png 这3种工具准确率平均都有95%以上，若内容中英夹杂，建议使用WhisperDesktop，可避免 英文漏字。 若是纯中文内容，用MyEdit或威力导演的精准度会更高。 在方便性方面，MyEdit因为免安装、线上操作最简单，但需要点数且仅支援音档。 WhisperDesktop虽安装步骤略多，但免费且支援音档与影片档，几乎没有长度限制。 威力导演则整合影片编辑、断句调整与快速修正功能，适合想一次完成字幕与影片的创作 者。 https://i.imgur.com/r1Wr49C.png 以上就是本篇对於三种AI语音转文字工具的实测结果。 这台搭载Intel Lunar Lake架构的AI PC，内显140V共用记忆体容量达16GB，对AI应用相 当有助益，本篇转录语音的过程很顺畅，同时也感受到高续航力与轻薄笔电带来的便携性 。 如果是外出利用空档或用餐时间，随时能执行这几样语音转文字工具，还没到家就完成了 大部分内容，在实际使用中能有效节省处理时间，整体作业效率也比预期更高，对於经常 需要处理影音内容、会议记录或笔记转录的使用者来说，AI PC的效能表现不仅实用，也 更贴近日常应用的便利性。 先前也分享过AI软体编辑影片、外出使用一天AI PC包含视讯与工作软体的文章，过程中 Lunar Lake笔电不论在效能、续航力与温度表现，比起前几代的轻薄笔电更让人满意。 https://i.imgur.com/lURad1s.jpeg 未来随着AI技术的软硬体持续进步，相信会有更高准确率与更多样的应用。 大家可依照各自的需求、预算与硬体做选择，并在挑选工具时能更清楚各自的特性与差异 ，希望这次的分享能帮助到有语音转录需求的网友，我们下篇文章见:) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.141.132.188 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Notebook/M.1763123165.A.D0B.html