雅婷逐字稿 vs. Whisper.cpp
語音轉文字AI工具比較 近來因為要做會議紀錄的關係開始有了需要進行語音轉文字的需求。我試了兩種AI工具， 雅婷逐字稿 以及 Whisper 。雅婷逐字稿是臺灣的公司開發的線上工具，需要將影音檔上傳；而 Whisper 則是openAI公司開發的開源程式，可以單機執行。只是Whisper轉譯的速度實在太慢了，我使用的是它的延伸程式 Whisper.cpp 。 Whisper.cpp 是用C/C++來運作，比起原來用 python 的 Whisper 速度快了不少。使用上兩種工具適合的目的不太一樣，雅婷如其名，適合進行逐字稿的繕打，而 Whisper 較適合用來產生字幕。以下就我的使用情況進行比較 雅婷逐字稿 優點 google meet錄影的音檔，中文有不錯的辨識率。（英文出錯率就挺高的，但我的使用中，英文出現的比例很低） 轉譯速度快，1小時的音檔在15分鐘左右便可以辨識完成 能自動辨識並標示發言者。這個功能在會議紀錄中是很重要的，才能知道誰說了什麼，誰指派了什麼任務 能夠自動把同一個人較長的發言合併在一起 使用方式很簡單。雖然是網頁功能，但使用介面很友善，進行編輯也很簡單 可以自動產生重點摘要。但我在我4次的使用經驗中，它都無法自動產生重點摘要。可能因為會議時間都約1小時，太長。我需要在產生的逐字稿上自己畫重點，雅婷可以幫我整理畫好的重點。 能夠與其他人共用逐字稿，可以共同編輯 能夠匯出多種逐字稿格式（pdf, word, odt, csv, txt, srt） 缺點 需要上傳影音檔至雅婷的伺服器，可能有資安或是隱私的疑慮 英文辨識錯誤率高（至少在我目前幾次的使用經驗中） 例如 ChatGPT 很常被辨識為gp。有些時候英文單詞甚至會被忽略。 要錢，需預先購買可以使用的時數 Whisper.cpp 優點 中文、英文都有不錯的辨識率（英文雖然也不一定辨識對，但音節的長度幾乎都是對的）。 例如 ChatGPT 至少會被辨識為ChedGPT，Bloom taxonomy被辨識為Bloom Tosanomy 轉譯速度快，1小時的音檔在15分鐘左右便可以辨識完成 單機執行，沒有隱私的疑慮 免費 自動形成較短的斷句，適合做字幕 有多種輸出格式（txt, vtt, srt） 缺點 使用的技術門檻高，介面不