如何使用 Whisper AI 輕鬆完成逐字稿？

你是不是也常有需要將會議錄音檔或訪談內容檔轉換為文字的時候，鑑於撰寫逐字稿相當費時費力，這時不妨善用 AI 工具將你的錄音檔轉成文字。而本文要介紹的就是由 OpenAI 團隊推出的自動語音辨識 (ASR) 系統「Whisper」。根據 OpenAI 在 Github 上釋出的說明文件，Whisper 是一個開源的語音識別模型，目前可辨識全球約 96 種語言的語音，並轉換成文字，目前以中文的辨識準確度來說，已稱得上是相當精準的等級，由於 Whisper 是開源技術，事前設定過程中基本上只需要 Google 帳號和指令代碼，下載並安裝到電腦後，就可以不受開發商限制地免費使用，讓使用者可自行在電腦利用 Whisper 來執行語音辨識和轉錄。

Whisper 代碼：!pip install git+https://github.com/openai/whisper.git

Ffmper 安裝代碼：!sudo apt update && sudo apt install ffmpeg

語音轉文字執行代碼：!whisper  "檔名（需要替換）.mp3" --model medium

步驟 1：登入 Google 帳號、開啟 Google Drive，並點擊左上角「+New」，下拉找到更多，再點擊連接更多 App。

步驟 2：這時會開啟「Google Workspace」應用市場，在搜尋欄位中鍵入並點選「Google Colaboratory」。

步驟 3：點擊「Install」安裝和「Continue」繼續，接著會要求使用 Google 帳號登錄，按照指示完成安裝作業。

步驟 4：下一步在 Google Drive 首頁左上角重新點擊「+New」，在更多選項下點入「Google Colaboratory」應用程式。

步驟 5：開啟後，可先變更檔案名稱，方便後續快速查找與重複使用。

步驟 6：再來，點擊上方欄位的「執行階段」，並選擇「變更執行階段類型」選項。

步驟 7：這時可以選擇不同的運行類型和計算資源，這裡選擇「Python 3」，而「T4 GPU」，並按下「儲存」。

步驟 8：下一步，在視窗右上角可以看到「連線」的字樣，點擊並等待連接成功。

步驟 9：連接完成後便可看到這台電腦的參數，包括 GPU、內存、硬碟等資訊。

步驟 10：接著安裝 Whisper，在中間欄位第一行和第二行分別輸入 Whisper 代碼和 ffmper 安裝代碼，並點擊運行。

步驟 11：安裝完成後，依序「點擊左方的資料夾–選擇上傳檔案–將想要轉錄的 MP3 錄音檔導入」。

步驟 12：點選「+ 程式碼」，並寫入語音轉文字執行代碼，注意檔名和後綴文字要和上傳檔案一致，最後執行即可。

本文同步刊載於 PC home 雜誌

歡迎加入 PC home 雜誌粉絲團！

 

• 延伸閱讀：OpenAI 宣布向開發者升級 GPT-4 API，同步開放 DALL-E 和 Whisper API
• 延伸閱讀：「國王有對驢耳朵」.....匿名社交應用程式 Whisper 為什麼這麼熱門?
• 延伸閱讀：OpenAI不是只有ChatGPT這個產品：九大產品繁雜難以管理、使用者眼花繚亂，還有經費問題要解決