能離線使用的語音識別工具：Buzz，使用OpenAI Whisper神經網路，正確率高

Buzz是一個離線運行的語音識別工具，使用OpenAI的Whisper模型。

1. Whisper 是什麼？

Open AI在2022年9月21日開源了號稱其英文語音辨識能力已達到人類水準的Whisper神經網路，且它亦支援其它98種語言的自動語音辨識。

Whisper系統所提供的自動語音辨識（Automatic Speech Recognition，ASR）模型是被訓練來執行語音辨識與翻譯任務的，它們能將各種語言的語音變成文字，也能將這些文字翻譯成英文。

Whisper 是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。

在第一次使用 Buzz 時，會下載 Whisper 的模型，儲存在本機下列位置：

2. 操作

• Task: Transcribe(轉錄，逐字稿)或Translate
• 按〔Ctrl+O〕或【File】→【Import Audio File...】選擇要操作的語音檔或影片檔
• 點擊【Run】開始執行

3. 結論

• 當【Quality】為Medium或High時耗費時間頗多
• 辨識正確率與斷句適切性皆可接受，感覺比剪映的智能字幕表現還好
• 最重要的：全部在本地端完成，操作時不須網路，不用再擔心資料可能被不當保留了

4. Subtitle Edit整合

字幕編輯工具 Subtitle Edit 3.6.8版以後，也整合了OpenAI Whisper的功能：

1. 功能表 視窗→Audio to text (Whisper)
2. 第一次執行時由【...】下載要使用模型的檔案，small為480MB，medium大小為1.5GB
3. 點擊【產生】後開始處理

補充測試 2022/12/04

使用同一個教學影片轉錄後的結果：

• Buzz-medium-test
• Buzz-low-test
• Buzz-JianYing-test

5. 相關鏈接

• Buzz GitHub

• iThome報導: Open AI開源自動語音辨識系統Whisper | iThome

• 開源中國報導: OpenAI 开源语音识别模型 Whisper - OSCHINA - 中文开源技术交流社区

• 少數派測試: OpenAI 开源音频转文字模型 Whisper 尝鲜 - 少数派

就中文而言，Whisper各模型：

• tiny 是没有做断句的，或者说，直接根据停顿断句
• base 已经开始根据逻辑断句，但会出语法错误
• small 已经很少语法错误，但断句水平却直线下降，很奇怪
• medium 不仅能够完美的断句，还能判断语气

6. 教學影片

＃＃

您可能也會有興趣的類似文章

• 免費影片後製軟體《剪映》語音辨識上字幕和簡轉繁技巧~JianYing (0則留言, 2021/07/24)
• B站生存手記 (0則留言, 2021/09/23)
• SE003｜Subtitle Edit整合Whisper的使用步驟－快速AI語音轉文字 (0則留言, 2023/10/01)
• 能使用GPU的OpenAI Whisper語音識別工具(ASR)，超快超準確：WhisperDesktop (9則留言, 2023/03/16)
• SE004｜Subtitle Edit 製作雙語字幕的操作步驟 (0則留言, 2023/11/05)
• [轉貼] 圖片、影音瀏覽一套搞定：Fresh View (0則留言, 2005/09/27)
• [分享] 爸爸與女兒感人的美好時光，相鉄東急直通營運紀念廣告片 (0則留言, 2023/03/16)
• [Tools] 簡單錄製教學課程的HyperCam與e-Pointer (0則留言, 2005/08/14)
• 使用Subtitle Edit合併兩個.srt字幕檔的方法，讓播放時間自動調整 (0則留言, 2023/08/05)
• 失聰嬰兒第一次聽到聲音的喜悅－令人感動 (3則留言, 2010/06/05)
• 字幕編輯軟體Subtitle Edit的使用技巧 (0則留言, 2020/05/15)
• Filmora 12實務05-製作內嵌字幕的技巧 (0則留言, 2023/10/08)
• [AHK#36] 自製AutoSub圖形介面工具：AutoSub-AHK；Windows適用 (7則留言, 2020/05/15)
• 捕捉每次點擊：用Keyviz展示你的按鍵操作，讓教學影片更生動 (0則留言, 2024/04/07)
• [Ubuntu] 使用youtube-dl下載YouTube.com的影片 (0則留言, 2014/02/01)