WhisperDesktop 語音轉文字免費單機軟體，AI 影片字幕實測比較

作者：


之前我介紹過 Windows 11 已經有不錯的「即時」語音轉文字工具，可以做即時的語音文字轉換，能支援繁體中文、自動加上標點符號。就算即時語音轉文字的效果不夠完美，這時候丟到 ChatGPT 請 AI 自動理順逐字稿，往往一篇正式的文章、會議紀錄也就快速誕生了。

就在前一陣子（2023年初），OpenAI 推出的 Whisper AI 語音轉文字技術，透過 AI 辨識各國語言讓成果的正確性、通順度有很大幅度的提升，也因此又誕生新一波利用 Whisper 「將影片、錄音檔案中的語音轉成文字、字幕」的工具。

例如這一款名為「 Whisper Desktop 」的免費、單機（可離線使用）、免安裝的「影音檔案轉文字、字幕」桌面端軟體，可以在 Windows 上簡單執行，他會利用電腦當中的顯示卡 GPU 當作運算資源，在離線的本機端完成語音轉文字的功能。




「 WhisperDesktop 」這樣的工具可以拿來利用在像是我們先錄了一段錄音，或是拍下一段影片的情況，這時候不用上傳雲端，可以直接在本機電腦利用「 WhisperDesktop 」這個軟體將錄音檔案或影片檔案轉成字幕檔、文字稿。

而且因為背後使用了 OpenAI 的 Whisper 技術，由 AI 辨識出來的文字和字幕準確性也非常高。同時，它也支援中文。

只要我們的電腦有基本的顯示卡（或者顯示晶片），就可以利用這個軟體在本機電腦中進行語音轉文字的運算。當然，顯示卡越好，運算的速度會越快。

今天這篇文章，就來試試看「 WhisperDesktop 」這款免費軟體如何操作，以及如何在本機電腦中進行影片轉字幕、錄音檔案轉文字的功能。同時，也比較看看 AI 轉出來的文字效果跟其他工具有沒有差別。





「 WhisperDesktop 」操作教學：

首先，我們來到「 WhisperDesktop 」的 GitHub 頁面，你可以在右方的「 Releases 」區域，找到最新版軟體的下載位址。

點進去後，我們可以下載「WhisperDesktop.zip」這個 Windows 上的免安裝軟體版本。




下載後解壓縮，直接執行裡面的「WhisperDesktop」，這時候會要求你去下載一個 Whisper 運算模型檔案（下載 Whisper 模型），有很多選擇，但開發者建議可以下載「 ggml-medium.bin 」這個版本。我實際測試，可以有兩種選擇：

  • 「 ggml-medium.bin 」：建議有獨立顯示卡的電腦使用。檔案大約 1.53 GB ，運算時會比較花費 GPU 資源，如果你的電腦沒有獨立顯示卡，可能要運算比較久。
  • 「ggml-small.bin 」：建議沒有獨立顯示卡的輕薄筆電使用。檔案大約 488 MB ，相對來說適合沒有獨立顯示卡的輕薄筆電，運算時間會大幅縮短，但轉換出來的文字也依然不錯。




接著，讓「WhisperDesktop」載入我們選擇的運算模型，按下 OK 。




進入到正式準備語音轉文字的畫面，我們依序完成下面步驟，按下「 Transcribe 」即可：

  • 選擇要轉出的語言，中文可以輸出成繁體中文。
  • 選擇來源檔案。
  • 設定要輸出的檔案格式。
  • 設定要輸出的文字檔案名稱。




下面就是「WhisperDesktop」轉換一段大約 6 分多鐘 MP4 影片的結果。（使用「 ggml-medium.bin 」比較大型的運算模型）

當然裡面不是 100% 正確，但是出錯的地方都可以接受，例如他理所當然不知道我的「 esor 」這個特殊字是什麼意思。

而整體上無論時間戳記、分段方式、語句通順度都不錯，甚至一段話中也會加上適度的標點符號，讓我們手動微調的時間減到最少。

如果你需要的不是字幕，而是逐字稿或正式報告，可以搭配這一篇文章的技巧一起使用：「用 ChatGPT 快速將會議語音逐字稿轉成完美文章表格的 5 個技巧」。





「 WhisperDesktop 」的運算時間快不快？

「WhisperDesktop」的效果無庸置疑， Whisper AI 語音轉文字技術確實厲害。但是，這是一個本機軟體，使用自己電腦中的 GPU 來運算，這樣會不會很慢呢？讓我實際測試幾種情況給大家看。

每次運算完成，「WhisperDesktop」會提供這次運算的時間給我們參考。下面這張圖，是我用一台有獨立顯示卡（GTX 1060）的筆電（6年前購買的，目前還在使用）來測試。

在擁有獨立顯示卡的電腦上，前述那段 6 分多鐘的影片，利用「 ggml-medium.bin 」這個比較大的運算模型，轉成文字檔案的時間大約是 1 分鐘 25 秒，完全可以接受。而如果擁有更新、更好的獨立顯示卡的筆電、電腦的朋友，運算時間一定可以比我快上許多。




但是，如果你的筆電沒有內建獨立顯示卡呢？

例如我去年購買了 Surface Pro 9 （這幾年喜歡這樣的觸控螢幕輕薄筆電），沒有獨立顯示卡，但是當然還是有顯示晶片可以運算，這時候的效能如何呢？

結果如下圖，雖然是更新的筆電，平常跑其他文書、網頁更快，但一旦碰上需要顯示卡運算時，就有明顯的速度差距。

在沒有獨立顯示卡的新筆電上，如果我上述 6 分多鐘的影片，利用「 ggml-medium.bin 」這個比較大的運算模型，跑了 28 分鐘才產出結果。




所以我在 Surface 輕薄筆電上趕快換成「ggml-small.bin 」這個小型的運算模型，這時候，一段 6 分鐘的影片，在沒有獨立顯示卡的筆電上，也「只需要」 10 分鐘左右來完成。

雖然不夠快，但可以接受。




而且，粗看下來，用大型運算模型、小型運算模型，在這個 6 分鐘影片的例子上，看不出明顯差別。

下面是「ggml-small.bin 」算出來的結果。





「 WhisperDesktop 」與其他語音轉文字工具比較：

首先，我之前轉這類影片、錄音檔案的字幕，通常使用「pyTranscriber 影片自動上字幕免費軟體」，下面是和「 WhisperDesktop 」比較的結果。

圖左是「 WhisperDesktop 」的轉出結果，圖右是「 pyTranscriber 」的轉出結果，幾個可以比較的地方是：

  • 兩者的轉出文字效果都不差，但很明顯「 WhisperDesktop 」效果更好。
  • 「 WhisperDesktop 」一個的優點除了文字辨識、加上標點的效果更好外，還有一個關鍵是「懂得如何斷句」。
    • 你可以看到「 pyTranscriber 」因為太頻繁斷句，所以導致很多時候語意的轉換變成不夠正確。
    • 而「 WhisperDesktop 」會利用 AI 聰明斷句，每一段的時間長度其實都不一樣，但以保留完整語意為前提，所以他的轉換效果才更通順。
  • 不過如果在設備比較沒那麼好的電腦上，或是沒有獨立顯示卡的筆電上，「 pyTranscriber 」的速度絕對是非常快的，上述影片可能一兩分鐘內就轉換完畢。




接著，我們來比較看看，同樣是利用 Whisper 技術的「 Good Tape 」，和「 WhisperDesktop 」有沒有差別。

下圖是「 Good Tape 」轉出的結果，基本上效果差不多，甚至出錯的地方也很像。那麼他們的差別會在哪些地方呢？

  • 主要在於「 WhisperDesktop 」是單機軟體，影片、錄音檔案不用上傳雲端。而且也是免費沒有使用限制。
  • 相對的，「 Good Tape 」的「付費版本」可以讓沒有好設備的工作者，利用他們的雲端運算資源，來更快產出語音轉文字檔案。




最後，「 WhisperDesktop 」還有一個即時語音轉文字的功能，可以利用下方的「 Audio Capture 」切換。

即時語音轉文字，就是開啟麥克風，直接說話，直接轉入文字檔案。

不過我實際測試，可能要「有更好的獨立顯示卡」的電腦，才能把這個功能運作得很順暢，要不然在運算時就很容易漏掉很多內容。

因此，如果沒有前述條件，或許「用 Windows 11 語音輸入繁體中文，快速完成會議紀錄、思考筆記」是一個快速、不消耗效能、效果也非常好的解決方案。




以上，就是我對「 WhisperDesktop 」的測試心得，提供大家參考，也值得需要語音轉文字工作，無論是製作會議紀錄，還是製作影片、錄音檔案字幕的朋友試試看。

有興趣的朋友還可以進一步研究：


大家好，我是電腦玩物站長 Esor ，我在 2023 年推出的「個人數位生產力」線上課程中，從如何寫出有效的防彈筆記出發，觸及工作、生活與自我管理問題，解析如何打造一套執行起來更有效率，也更有成就感的生產力系統，歡迎參考（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。

我的電子郵件是 esorhjy@gmail.com ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。或訂閱「電腦玩物電子報」

我也開設了 podcast 節目，歡迎訂閱追蹤：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）。

也跟大家介紹我開設的一系列時間管理、筆記術、數位工具課程，歡迎報名：「課程介紹連結」。或參考我的最新書籍著作：《防彈筆記法》。

（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：WhisperDesktop 語音轉文字免費單機軟體，AI 影片字幕實測比較）

文章分類：
電腦玩物站長 Esor （異塵行者），在電腦玩物上的文章有別於單純的軟體和服務介紹，而是更強調軟體和服務背後的數位工作思維及方法，並說明實際應用後帶來的生活改變。著有《電腦玩物站長的筆記思考術》、《大腦減壓的子彈筆記術：用Evernote打造快狠準系統》、《比別人快一步的Google工作術：從職場到人生的100個聰明改造提案》等暢銷書籍。

留言

  1. 匿名2023年4月14日 凌晨12:46

    翻譯的那個好像僅限翻成英文，選其他語言沒有用處的樣子。

    回覆刪除
  2. 匿名2023年4月20日 下午5:24

    請問版主有遇到轉了幾次繁體中文字幕後，有時後自變成簡體中文，知道怎麼設定嗎？感謝🙏

    回覆刪除
    回覆
    1. Esor Huang2023年4月21日 下午2:03

      我目前尚未遇過

      不過確實他的設定中沒有區分繁體、簡體中文，可能只能關閉後重新試試看了

      刪除
    2. 匿名2023年5月30日 晚上10:39

      你得把Translate那個給反勾選才可以

      刪除
  3. 匿名2023年6月9日 晚上9:28

    站長您好，我照著這篇文章的方式做了，但是transcribe的進度條跑完後就卡住了，一直停在「transcribing the audio, please wait...」不會產出文件...
    請問您有遇過這個狀況嗎？

    回覆刪除
  4. 匿名2023年7月11日 下午5:09

    按照我今天實際作業發現，那個language 指的是影片裏面的語音，
    而不是翻譯成哪種文字。
    我的影片檔是日文語音，一開始我選擇中文，結果解析出來的完全不行，後來改成日文，就正確解析出日文，內容對不對我就不知道了。

    回覆刪除
  5. 匿名2023年9月21日 下午6:28

    模型的連結失效了
    我後來在這邊找到的
    https://huggingface.co/ggerganov/whisper.cpp/tree/main

    回覆刪除
  6. 匿名2024年1月28日 上午9:42

    站長，
    我剛買了新電腦並下載了WhisperDesktop，但是出現這句：「你必須為這項工作安裝應用程式」，然後叫我去Microsoft store 搜尋，但沒找到。請問如何解決 ？謝謝

    回覆刪除

張貼留言

為了避免垃圾廣告留言過多，開始測試「留言管理」機制，讓我可以更容易回應讀者留言，並更簡單過濾掉廣告，但只要不是廣告留言都會通過審核。

這個網誌中的熱門文章

全家沖印、 7-11 列印照片誰好用？立可得與 ibon教學+比較表

作者：
圖片
現在大家照片都儲存在數位手機、相機、硬碟或雲端，數位欣賞與分享很方便。但有時候就是需要拿到「實際照片」，例如： 小朋友學校的勞作作業 想要製作家庭相框 用照片來當小禮物 把照片貼在紙本手帳上 這時候，有什麼方法可以快速把數位照片「洗」成實體照片？而且最好能不花時間、立即拿到、價格也不貴呢？ 如果家裡沒有印表機（或是沒有好的印表機），又不想跑照相館，那麼這時候 「便利商店」同樣也提供了印照片的服務 ，而且價格不貴，可以立即拿到，操作流程也十分簡單。 之前我在電腦玩物分享過：「 不需買印表機也免隨身碟， 7-11 全家雲端列印超方便教學 」。這篇文章則從印照片出發： 同樣的不需買印表機、不需隨身碟，就能快速印出高品質的照片成品。
........................繼續閱讀全文內容

Google Maps 我的地圖完全教學！規劃自助旅行攻略

作者：
圖片
在之前寫完「 善用 Google 航班搜尋找出理想便宜機票的 10 個技巧 」一文後，我想繼續挖掘 Google 幫我們規劃自助旅行的潛力。 今天這篇文章，就深入的來聊聊 Google 的「我的地圖」服務，這是一個可以讓我們「自訂地圖」的工具 ，在地圖上任意繪製地標、路線，對商務需求來說可以打造出一張一張資料地圖（例如我之前在製作一本新書時建立的「 台灣推薦空拍地點地圖 」），對生活需求來說，則可以讓我們規劃自助旅行路線！ Google 「我的地圖」在規劃自助旅行路線時可以解決許多問題： 國外地點名稱地址常常難懂，用自訂地圖就能自己取一個好辨識的名稱。 在規劃路線之外，自訂地圖還能補充許多旅遊圖文資料，讓這張地圖就是旅遊手冊。 好看的自訂地圖一方面旅行時帶來好心情，二方面事後就是最好的旅遊回憶之一。 自訂地圖還能跟朋友共享合作，讓彼此都能在手機上查看這次旅行地圖。
........................繼續閱讀全文內容

Slack 完整教學與上手心得：找到正確的團隊溝通之道

作者：
圖片
你聽過或用過 Slack 嗎？過去一年， Slack 這一個團隊通訊平台服務不僅在國外爆紅，在台灣我也看過好幾個創業團隊使用 Slack 來做公司內部的訊息管理，到底 Slack 有什麼魅力？它是不是比起 LINE 或 Facebook 或 Email 更能有效率的管理團隊溝通呢？我自己今年也有機會在一個專案合作中使用了 Slack 一段時間，我覺得它吸引人之處有三點： 1. 「 很有趣 」： Slack 裡擁有跟 LINE 或 Facebook 一樣易於讓公司同事聊天打屁、傳送有趣影音圖文的功能。 2. 「 有效率 」：但是 Slack 的頻道、群組機制讓茶水間的聊天，不會干擾工作的討論，並且星號與釘選功能讓每個同事可以從聊天中記錄重點。 3. 「 有彈性 」： Slack 的架構可以讓每一個團隊設計出符合自己需求的通訊平台， Slack 的軟體則讓同事可以在任何地方和公司保持聯繫。 如果你需要中文版的同類平台，可以參考： JANDI 高效率團隊通訊平台完整教學，比 Slack 更適合中文用戶 。 2017/3 新增 ： Sortd for Slack： 改造 Slack 討論串介面變成專案任務排程看板
........................繼續閱讀全文內容

Google NotebookLM 免費中文 AI 筆記實例教學，老師、學生、創作者利器

作者：
圖片
Google NotebookLM 是一個以 AI 筆記本為概念的線上生成式 AI 問答工具。和 ChatGPT 、 Copilot 不同的是， Google NotebookLM 「相對」不會憑空生成內容，也不是上網找答案，而是結合文件資料庫 AI 分析功能（透過  Gemini Pro  分析我們的知識庫），幫助我們根據自己上傳的大量筆記、文件，生成有明確引用的論文摘要、報告企劃、文章大綱。 相較之下很適合自己已經有足夠資料，只是需要 AI 協助分析與輸出的人，例如老師規畫課程、學生製作報告、研究者撰寫論文、創作者撰寫草稿來使用。
........................繼續閱讀全文內容

Miro 遠距工作開視覺會議的免費強大白板，專案圖解實例教學

作者：
圖片
團隊一起開會討論專案規劃、產品設計， 為了把大家的想法表達得更清楚，需要將各種思考視覺化，把各種計畫圖解化。 例如用 心智圖 展開專案流程，用 系統思考法 釐清專案關鍵環節，或是畫一張 商業模式精實畫布 。 面對面開會時，我們可以在會議室的大白板上，畫出這些圖解。 但如果想要遠距工作、遠端會議，這時候，就可以利用「線上協同合作的白板工具」 。這類遠距視覺會議的工具其實也不少，我之前介紹過的簡單版工具就有： Witeboard 世界上最簡單快速的協同合作白板，開會上課利器 Awwapp 觸控靈敏線上共用白板，免註冊電腦平板手機立即可用 但說到功能強大，可以滿足各種視覺會議的圖解需求，就不能不提到： 「 Miro 」這個線上視覺圖解白板工具。
........................繼續閱讀全文內容

Google 表單自動關閉回覆教學：時間人數到達就過期

作者：
圖片
Google 表單，是 Google 雲端硬碟裡用來製作線上問卷調查的免費工具。 愈來愈強大、愈來愈漂亮的 Google 表單，可是設計出各式各樣擁有專業問題、滿足特殊調查需求的精美問卷，如果你還不知道怎麼活用他的基本功能，那麼一定要參考下面三篇我在電腦玩物中所寫的一系列教學，從基本功能到隱藏功能，會帶你上手這個好用的工具： 設計問卷調查快速免費，新版線上 Google form 表單教學 不再只有醜醜範本！如何幫 Google 表單美化背景外觀？ Google 表單的 10 個專業問券調查設計秘密教學  也因為寫了一系列實用的 Google 表單教學，所以很多朋友來問我： Google 表單還能不能滿足某某個需求？ 而其中被詢問度最高的就是：「 可不可以讓 Google 表單 自動關閉回覆 ？時間過期了問卷就關閉，填寫人數到達限額了就自動停止。 」如果可以做到，那麼 Google 表單甚至可以用在報名表、抽獎表之類的應用了。好消息是，這個問題有解了，今天開始 Google 表單可以做到限期、限額自動關閉回覆的功能囉！ 2017/8/31 新增 ： 自動移除額滿選項！ Google 表單報名購物限制數量最簡單教學
........................繼續閱讀全文內容

畫張圖說得更清楚！ Napkin 用 AI 幫你的簡報文章手繪視覺思考圖

作者：
圖片
今天要跟大家介紹一個很有意思，也可能對老師、創作者、常做簡報的職場工作者很有幫助的 AI 工具：「 Napkin （餐巾紙）」，這是一個 AI 會根據我們提供的文字，創作手繪圖表、圖解、圖說的線上工具。 為什麼叫做 Napkin（餐巾紙）？如果你看過可以說是簡報經典著作的《簡報 Show and tell》、《餐巾紙的背後》作者丹‧羅姆（Dan Roam）系列書籍，你應該就能心領神會。
........................繼續閱讀全文內容

少記筆記，減少整理，高效輸出：6 原則打造任務驅動型第二大腦

作者：
圖片
筆記越記越多，卻越來越難找到實用的內容？你是否浪費了大把時間整理從未使用過的資料？其實很多時候： 「放下資料，不整理」，就是最有效的整理方法。 就像「精實管理」中強調的：「需要的東西，在需要的時候，只提供需要的量。」減少庫存、人工的額外浪費。當我們在打造個人第二大腦時，也可以把握這個整理原則。
........................繼續閱讀全文內容

Excalidraw 免費 AI 生成流程圖，一鍵畫出知識圖表、專案流程、寫作大綱

作者：
圖片
用一句話簡單提示主題，就能透過 AI 生成一幅流程圖。或是提供基本的想法大綱，一鍵請 AI 畫出可接續修改的流程圖草稿。於是「老師」可以快速生成教學用的 知識圖表 ，「軟體工程師」快速畫出 技術開發架構圖 、「管理者」獲得 專案流程圖 與 商業決策分析圖 、「行銷人員」製作 活動企劃流程表 、「創作者」也能立即獲得視覺化的 寫作大綱 或 故事線草稿 。上述的應用情境，在 「 Excalidraw 」 這款線上流程圖工具中已經可以實現，他加入了「Text to diagram 」AI 功能，幫助我們透過簡單文字，快速生成複雜的流程圖表，生成草圖後還可繼續手動修改。
........................繼續閱讀全文內容

ChatGPT Canvas 全新 AI 寫作、程式碼編輯工具，不再只能對話！

作者：
圖片
ChatGPT 最近推出會主動思考推理的「 o1-preview 」，以及更即時、自然的「 進階語音對話模式 」後，今天又再次推出新功能： 「 ChatGPT Canvas 」，這是基於 GPT-4o 架構開發的全新 AI 寫作、程式碼編輯介面。讓 ChatGPT 不再只能對話，而可以進行更深入、準確的內容創作工作。
........................繼續閱讀全文內容