音訊或影片轉文字

運作方式

轉錄服務要求您上傳錄音，而錄音往往是訪談、會議、課堂與諮詢，是人們處理的檔案中最敏感的一類。這個工具改為在您自己的機器上執行語音模型。代價是時間，而且長到值得在您開始之前，而不是之後才說明。

實際上有多慢

模型為 41 MB，只下載一次。之後，在現代筆記型電腦上轉錄的時間大約與錄音本身一樣長，在較舊的機器或手機上則是兩到三倍。五分鐘的影片大約是一杯咖啡的時間；一小時的會議則不切實際。長度上限預設為五分鐘就是這個原因，要提高請有意為之，不要不小心調高。

您會得到什麼

帶有時間碼的 .srt 或 .vtt 字幕，可以用這裡的字幕工具燒錄進影片，或選純文字作為逐字稿。時間碼來自模型，通常很接近，但並非精確到影格。

準確度，坦白說

這是小型的 Whisper 模型，因為較大的模型有數百 MB。它對靠近麥克風錄製的清晰英語語音表現良好。對濃重口音、兩個人互相搶話、背景噪音、專業術語與專有名詞，則明顯較弱。標點符號並不一致。在寄到任何地方之前，請通讀一遍。

僅限英語

使用僅限英語的模型，因為在相同大小下，它比多語言版本更小，對英語也更準確。