早在人工智慧被用於生成影片和編寫程式之前，它就已被用於理解口語並據此採取行動。正是人工智慧讓你能夠與 Alexa、Siri 和 Google Assistant 對話，並讓這些應用程式為你效力。
這些演算法同樣可以幫助您從包含語音的音訊檔案中創建數位文本，無論這些檔案是會議錄音、訪談錄音、講座錄音，還是您自己錄製的語音筆記。文字可以為您提供談話內容的書面記錄，並且可以輕鬆搜尋。
像 Rev 和 Happy Scribe 這樣的大牌轉錄服務只提供有限的免費轉錄服務，但你可以藉助 Whisper 完全免費完成轉錄工作。 Whisper 是由 OpenAI（ChatGPT 的開發者）開發的語音轉文字引擎，而且使用次數沒有任何限制。
您可以選擇使用 Hugging Face 提供的網頁版應用程序，雖然方便，但在高峰時段可能會比較擁擠。您也可以選擇將軟體安裝在 Windows 系統本機——這樣轉錄速度更快，但您需要一台配置良好的電腦才能滿足 AI 的處理需求。
網路上的耳語
前往 Hugging Face 上的 Whisper 功能，即可在瀏覽器中免費獲得音訊轉錄服務－無需註冊帳號。您可以選擇從電腦上傳音訊文件，或者如果您已連接麥克風，也可以直接在應用程式中錄音。請注意，您的音訊可能會用於進一步訓練未來的 AI 模型——與通常情況一樣，OpenAI 和 Hugging Face 的隱私權政策對此並不明確。
上傳和處理音訊檔案：
- 開啟音訊檔案標籤。
- 選擇“點擊上傳” 。
- 選擇一個音訊檔案。
- 勾選“轉錄”方塊。
- 點擊提交。
稍等片刻（或更久），螢幕右側將顯示文字輸出。處理時間取決於音訊檔案的長度以及 Hugging Face 伺服器的繁忙程度。由於這是一項為所有人提供的免費服務，因此非常受歡迎，您可能需要等待一段時間才能處理完文件。
在介面中，你會找到一些實用工具。例如，點擊音頻播放條上方的小筆圖標，就可以修剪音頻片段的開頭和結尾——如果你需要剪掉靜音部分或不重要的音頻片段，這個功能就非常方便。
您也可以切換到「麥克風」選項卡，直接在 Whisper 介面錄製音訊；或切換到「YouTube」選項卡，以取得任何影片的文字稿。只需貼上影片 URL 即可。值得注意的是，YouTube 會自動為部分影片添加文字稿，您可以在評論區找到它們。
Windows 版 Whisper
如果您在使用 Whisper Web 應用程式時遇到很多延遲，或者您只是想在本地進行更私密的轉錄處理，您可以在 Windows 電腦上設定 AI 模型。您需要安裝一張支援 CUDA 的顯示卡（點擊此處查看清單），並且至少配備 4GB 顯示記憶體來處理資料——如果您安裝的是較新的 Nvidia 顯示卡，應該就符合要求。
這個過程比較複雜，而且使用者介面也比較簡陋，所以並不適合所有人。不過，它確實具備我們之前提到的那些優點，而且你不用排隊等待文件處理。如果你喜歡擺弄程式碼和程序，這也不失為一個很棒的小專案。
假設你的電腦配置符合要求，你需要安裝一些軟體：用於程式設計的 Python（安裝過程中請確保勾選「將 python.exe 加入到 PATH 環境變數中」）、用於機器學習的 PyTorch、用於管理軟體包的 Chocolatey 以及用於音訊處理的 FFmpeg。如果你需要，可以在相關網站上找到它們的安裝說明。
接下來就可以安裝 Whisper 了：在「開始」功能表中搜尋「cmd」並開啟命令提示符，然後輸入「pip install -U openai-whisper」並按下回車鍵。安裝完成後，就可以像這樣轉錄檔案了：
- 在檔案總管中開啟包含音訊檔案的資料夾。
- 點擊頂部的網址列，輸入“cmd”，然後按Enter 鍵。
- 輸入“whisper”，然後輸入一個空格，再輸入你的音訊檔案名稱。
- 再次按下回車鍵，處理過程就開始了。
文字會顯示在螢幕上，並以一系列文字檔案的形式儲存在與音訊檔案相同的資料夾中。如果需要同時轉換多個文件，只需在「whisper」命令後列出所有文件，並用空格分隔即可。
即使您不熟悉 Python 或命令列，也應該能輕鬆上手。如果您需要協助，網路上有很多指南可以參考。這篇教學是目前最好的教學之一，它會一步一步地引導您完成每個步驟，並解釋一些可用的進階功能（例如切換到不同的 AI 模型）。
