Whisper AI轻松转换语音变文字　支援全球语言　处理逐字稿不再难

你是不是也常有需要将会议录音档或访谈内容档转换为文字的时候，鉴于撰写逐字稿相当费时费力，这时不妨善用 AI 工具将你的录音档转成文字。而本文要介绍的就是由 OpenAI 团队推出的自动语音辨识 (ASR) 系统“Whisper”。

根据 OpenAI 在 Github 上释出的说明文件，Whisper 是一个开源的语音识别模型，目前可辨识全球约 96 种语言的语音，并转换成文字。

目前以中文的辨识准确度来说，已称得上是相当精准的等级，由于 Whisper 是开源技术，事前设定过程中基本上只需要 Google 帐号和指令代码，下载并安装到电脑后，就可以不受开发商限制地免费使用，让使用者可自行在电脑利用 Whisper 来执行语音辨识和转录。

Whisper 代码：!pip install git+https://github.com/openai/whisper.git
Ffmper 安装代码：!sudo apt update && sudo apt install ffmpeg
语音转文字执行代码：!whisper "档名（需要替换）.mp3" --model medium

Whisper AI 实际操作

步骤 1：登入 Google 帐号、开启 Google Drive，并点击左上角“+New”，下拉找到更多，再点击连接更多 App。

步骤 2：这时会开启“Google Workspace”应用市场，在搜寻栏位中键入并点选“Google Colaboratory”。

步骤 3：点击“Install”安装和“Continue”继续，接著会要求使用 Google 帐号登录，按照指示完成安装作业。

步骤 4：下一步在 Google Drive 首页左上角重新点击“+New”，在更多选项下点入“Google Colaboratory”应用程式。

步骤 5：开启后，可先变更档案名称，方便后续快速查找与重复使用。

步骤 6：再来，点击上方栏位的“执行阶段”，并选择“变更执行阶段类型”选项。

延伸阅读：iPhone用家如何得知手机有没有被骇？简易6步骤检查并加强保障（点击连结看全文）

步骤 7：这时可以选择不同的运行类型和计算资源，这里选择“Python 3”，而“T4 GPU”，并按下“储存”。

步骤 8：下一步，在视窗右上角可以看到“连线”的字样，点击并等待连接成功。

步骤 9：连接完成后便可看到这台电脑的参数，包括 GPU、内存、硬碟等资讯。

步骤 10：接著安装 Whisper，在中间栏位第一行和第二行分别输入 Whisper 代码和 ffmper 安装代码，并点击运行。

步骤 11：安装完成后，依序“点击左方的资料夹–选择上传档案–将想要转录的 MP3 录音档导入”。

步骤 12：点选“+ 程式码”，并写入语音转文字执行代码，注意档名和后缀文字要和上传档案一致，最后执行即可。

延伸阅读：善用iPhone内建捷径App　一键设定自动通知功能　生活便捷新体验（点击连结看全文）

【本文获“T客邦”授权转载。】