嘗試voice to text的AI，消耗一個下午整理出以下資訊。
Whisper Desktop、Whisper官方開源。
電腦配備：
優劣比較#
| 優點 | 缺點 | |
|---|---|---|
| Whisper Desktop | 方便，簡易下載設定 | 久沒更新、西文transcibe正確率很差 |
| Whisper 官方開源 | 下載難度高，無UI介面 | 正確率高 |
Whisper Desktop#
第一款下載較為容易，且有UI介面可使用，參考 YouTube AI 上字幕教學｜如何使用免費自動字幕 (逐字稿) 生成軟體 WhisperDesktop｜OpenAI Whisper 教學 的教學。
於 Github 下載Whisper Desktop最新版本的zip檔，解壓縮
再到 Hugging face 下載模型 (ggml-medium.bin 最穩定，q5_0 以及q8_0測試皆無法使用)
開啟應用程式，Model Path選取剛下載的模型bin檔案，按ok
Transcribe File 選擇要生成逐字稿的音檔 (mp3, m4a皆可)
Output Format 可選擇輸出檔案格式、是否要時間戳印
設定好後壓Transcribe即可。
Whisper Official#
參考 OpenAI 免費開源語音辨識系統– Whisper 安裝簡介及原理 教學
設置基礎環境 (設置細節參考 上述網站，有詳盡的圖文教學)：
Python 3.12.7; git version 2.48.1.windows.1; Pytorch 2.6.0+cu118; Cuda 11.8
ffmpeg 下載設置
Whisper 的安裝：開啟 cmd 依序輸入以下指令
pip install git+https://github.com/openai/whisper.git pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git即完成安裝。過程中出任何問題把 warning 貼給 ChatGPT 多幾個步驟都能解決。
使用方式#
在 cmd 中 cd 到音檔的資料夾
cd desktop\example輸入：
whisper 音檔名.mp4 --device cuda上述指令會使用 cuda 並讓它自動偵測 transcribe 語言，運算過程如下圖
- 其餘指令設定可參考下圖
- 最終輸出所有格式的逐字稿
總結#
官方版好用，模型可用到最新版的。
Reference#
【 YouTube AI 上字幕教學｜如何使用免費自動字幕 (逐字稿) 生成軟體 WhisperDesktop｜OpenAI Whisper 教學 】posted by 2025,1,23 ( https://notesstartup.com/youtube-ai-subtitle-tutorial/ )
【 OpenAI 免費開源語音辨識系統– Whisper 安裝簡介及原理 】posted by M.H. 2023,4,25 ( https://ithelp.ithome.com.tw/articles/10311957 )
