網頁好讀版：https://reurl.cc/2lDeQa 影片提供更詳細的操作流程與轉錄過程，能更快速體驗本篇的內容： https://youtu.be/08kLZRvPD9U 還記得在早期沒有AI工具的學生時代，要做逐字稿幾乎只能一段段人工聽打，不但需要耗 費大量時間，同時也顯得較枯燥。 後來智慧型手機開始內建語音辨識功能，雖然也試過幾次，但準確度與實用性都還不理想 。 隨著近年語音辨識藉由導入AI技術再進步，語音轉文字已經變得更快、更準確，也更容易 整合進日常工作；不論是需要自動產生字幕的影音創作者、想整理會議紀錄或講座筆記的 學生與社會人士，甚至需要多語言轉錄的使用者，都能從這類AI工具中受惠。 這次主要以節省時間與提升效率為出發點，實測WhisperDesktop、MyEdit與威力導演三種 AI 語音轉文字工具，針對「所需時間」、「準確率」與「方便性」三項重點進行比較， 最後會以圖表方式整理差異，方便大家快速了解結果。 https://i.imgur.com/eFfYrNd.jpeg 過程中使用MSI所推出的16吋AI PC，搭載目前筆電市場頗受好評的Intel Lunar Lake架構 ，CPU為Core Ultra 7 258V，內建Arc 140V GPU 16GB(64 AI TOPS)、4代NPU(47 AI TOPS)，AI算力比上一代分別提升約3、4倍，皆有助於加快本機AI運算速度。 AI PC輕薄的設計除了具備日常攜帶的便利性外，也較以往機種擁有更長效的續航力，讓 語音轉文字處理的流程能在戶外或室內等多種情境下順暢進行，兼具效能與行動力的優勢 。 接下來便開始進行這三款AI工具的實際使用方式與轉錄表現。 第一個要介紹的工具是WhisperDesktop，是一款基於OpenAI Whisper技術所開發的桌面應 用程式，可以在本地端直接進行語音轉文字處理，不需要額外撰寫程式或使用命令列工具 ，對一般使用者來說相當方便。 這套工具的優點除了免費之外，也支援多國語言辨識，操作介面簡單直覺，很適合用來處 理日常的錄音轉錄或字幕生成。 首先要到GitHub下載WhisperDesktop。 https://i.imgur.com/TA3IzH0.png 再到Hugging Face下載專用的ggml語言模型。 https://i.imgur.com/vWghnH2.png 設定好模型路徑後就可以開始使用，Model Implementation分為GPU、Hybrid、Reference 三種模式。 https://i.imgur.com/z7J2p5i.jpeg WhisperDesktop支援音訊與影片檔兩種格式，選擇語言以及要轉錄的檔案，設定好輸出格 式與轉錄檔儲存位置後，就能開始轉錄(Transcribe)。 輸出部分可以選擇一般的純文字檔(Text file)，或是可直接使用於影片字幕的SRT檔 (SubRip Subtitles)。 https://i.imgur.com/bO7b7er.jpeg 這次測試分別使用兩段自錄影片進行： 第一段是AI筆電發表說明會現場實拍影片、第二段則是Computex 2025快速帶看Intel攤位 影片。 兩支影片中包含環境噪音、背景音樂、單人演說，以及中英文混雜的內容，長度分別為4 分40秒與1分23秒。 轉錄時間分別僅需1分30秒與27秒即可完成，將文字檔與原始影片透過一字一句重新人工 核對，整理出辨識準確率約落在94～95%。 除了像「Core Ultra」這類專有名詞偶爾會誤判外，大部分中英夾雜的內容都能正確辨識 。 更特別的是會自動省略像「嗯」、「那」、「這個」等贅詞，讓逐字稿的可讀性更高。 https://i.imgur.com/hFcIiEw.jpeg 最後再以英文演講影片進行測試，長度達1小時42分。 https://i.imgur.com/ekyyClI.jpeg 這一段轉錄時間僅27分52秒就能完成。 實測結果看起來，WhisperDesktop對影片長度沒有限制，整體效率相當優異，也展現出 AI PC在本地轉錄任務上的效能優勢。 整體流程相當順暢，也不需要連線雲端就能完成辨識。 https://i.imgur.com/eYG0oqW.jpeg 接下來要介紹第二種語音轉文字的方法，是透過線上AI工具MyEdit來進行轉錄。 進到MyEdit網頁後，在上方工具列中選擇「音訊編輯工具 => 語音轉文字」，即可進入轉 錄頁面。 上傳音訊檔案前，可以先確認語言、檔案格式與長度限制是否支援，每轉錄1分鐘音訊需 要消耗1點數。 https://i.imgur.com/oDDuSkp.png 音訊原聲支援多種語言，匯出時同樣提供純文字檔(Text)或SRT字幕檔兩種格式可選。 這次同樣使用前面提到的兩段影片進行測試： AI筆電發表說明會(4分40秒)與Intel Computex 2025攤位快速帶看影片(1分23秒)。 產生時間約為23秒與11秒即可完成，速度相當快。 https://i.imgur.com/bqxNQoF.png 產生後可直接線上播放音檔、即時檢視內容，也能立即在頁面中編輯文字。 整體辨識準確率約95～96%。 不過在部分英文單字上仍有漏字情況，例如「HuggingFace」、「Stable Diffusion」、 「Notebook」等專有名詞，偶爾會出現拼字錯誤。 另外，MyEdit在斷句與標點符號的處理較為雜亂，但中文語音的辨識率相當高，對於講者 語氣、語助詞及語句節奏也能準確呈現。 整體來說，MyEdit線上工具的介面簡潔，搭配即時預覽與可編輯功能，在處理音檔的逐字 稿或字幕檔時，能有效提升效率。 https://i.imgur.com/qLWEMhv.png 如果是影音創作者，或影片檔需要製作字幕，可以試試第三種方法 - 威力導演 (PowerDirector)內建的字幕功能。 在軟體中匯入檔案並開啟字幕工具後，選擇「AI 語音轉文字」即可開始轉錄。 這項功能與MyEdit相同，同樣都是由訊連科技(CyberLink)所開發，因此在產生結果與準 確率上差異不大。 雖然需要先安裝威力導演才能使用，但優點在於轉錄完成後能直接編輯字幕內容並同步製 作影片，等於在同一套軟體中就能完成整個流程。 https://i.imgur.com/ebXt7bq.png 選擇音訊來源與語言，另外也提供在字幕中加入標點符號的功能。 https://i.imgur.com/0JVog07.png 接著執行製作本段影片字幕。 https://i.imgur.com/ur6QJCL.png 斷句與標點符號可自由調整，若發現有重複的用詞錯誤，也能利用上方的「尋找與取代」 功能快速一併修正，操作流程相當直覺。 https://i.imgur.com/yQ4oyOg.png 圖為將紋身(相似音字)修改為文生(正確詞彙)。 https://i.imgur.com/2ptTqA9.png 字幕完成後，只要點選右上角省略符號內的「匯出字幕 => 匯出(不含樣式格式)」，就能 輸出SRT檔，方便直接套用到影片或上傳到平台使用。 https://i.imgur.com/78nNPrb.png 最後來統整這三種方法的使用結果與感想： 以相同的影片檔案計算處理速度，威力導演最快，其次是MyEdit，最後是 WhisperDesktop。 WhisperDesktop透過這台AI PC在本地運算效能，雖不及另外兩種工具在雲端大模型運算 的那樣快速，不過仰賴內顯140V 16GB，轉錄速度比預想中要好上不少，加上免連網有更 好的隱私性。 https://i.imgur.com/XC6NF6A.png 這3種工具準確率平均都有95%以上，若內容中英夾雜，建議使用WhisperDesktop，可避免 英文漏字。 若是純中文內容，用MyEdit或威力導演的精準度會更高。 在方便性方面，MyEdit因為免安裝、線上操作最簡單，但需要點數且僅支援音檔。 WhisperDesktop雖安裝步驟略多，但免費且支援音檔與影片檔，幾乎沒有長度限制。 威力導演則整合影片編輯、斷句調整與快速修正功能，適合想一次完成字幕與影片的創作 者。 https://i.imgur.com/r1Wr49C.png 以上就是本篇對於三種AI語音轉文字工具的實測結果。 這台搭載Intel Lunar Lake架構的AI PC，內顯140V共用記憶體容量達16GB，對AI應用相 當有助益，本篇轉錄語音的過程很順暢，同時也感受到高續航力與輕薄筆電帶來的便攜性 。 如果是外出利用空檔或用餐時間，隨時能執行這幾樣語音轉文字工具，還沒到家就完成了 大部分內容，在實際使用中能有效節省處理時間，整體作業效率也比預期更高，對於經常 需要處理影音內容、會議記錄或筆記轉錄的使用者來說，AI PC的效能表現不僅實用，也 更貼近日常應用的便利性。 先前也分享過AI軟體編輯影片、外出使用一天AI PC包含視訊與工作軟體的文章，過程中 Lunar Lake筆電不論在效能、續航力與溫度表現，比起前幾代的輕薄筆電更讓人滿意。 https://i.imgur.com/lURad1s.jpeg 未來隨著AI技術的軟硬體持續進步，相信會有更高準確率與更多樣的應用。 大家可依照各自的需求、預算與硬體做選擇，並在挑選工具時能更清楚各自的特性與差異 ，希望這次的分享能幫助到有語音轉錄需求的網友，我們下篇文章見:) --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.141.132.188 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Notebook/M.1763123165.A.D0B.html