AI 語音轉文字技術（Speech-to-Text）日趨成熟，但不少用家仍擔心私隱問題，畢竟將錄音上傳到雲端處理始終存在風險。最近一款名為「Notely Voice」的開源應用程式在日本科技圈引起討論，主打「100% 離線處理」，內置 OpenAI 的 Whisper AI 模型，它支援處理廣東話，能自動將口語轉化為書面語。
Notely Voice 支援 Android 與 iOS 系統，最大特色是無需連網。首次使用時會要求下載 AI 模型，之後所有語音辨識都在手機本地完成。即使在飛機上或訊號差的地方也能隨時記錄，省去手動輸入長篇備忘錄的麻煩。而且，市面上大多數語音轉文字 App 或網站，都需要將音訊上傳到伺服器進行雲端運算，對於涉及商業機密或個人隱私的會議來說，始終存在數據洩露的風險。Notely Voice 最強大的地方在於它是一款 100% 離線運作 的應用程式。所有的語音處理都在你的智慧型手機本地完成，無需連接網絡，確保你的錄音內容永遠不會離開設備，對於重視私隱的用家來說極具吸引力。
下載連結：
iOS ：https://apps.apple.com/app/id6745835691
Android : https://play.google.com/store/apps/details?id=com.module.notelycompose.android
▲ 轉錄文字的應用層面很廣，例如圖中為影片內容轉成文字、日常會議做筆記等等
▲ 無需連網已轉錄文字
記者今次在 iOS 實試，以下是使用教學：
▲ 在 App Store 下載 Notely Voice
▲ 一進入 App 便是這個界面，按右上角的設定
▲ 在 Language and Region 選擇「Chinese」，以轉錄中文錄音，要留意是App沒有特別提供廣東話選擇，但經實測可以轉錄廣東話
▲ 在 Model Selection，下載轉錄所需的模型
▲ 有基礎功能的 「standard model」和較強的「Optimized model」。「Optimized model」需要額外下載約 465MB 數據，建議在 Wi-Fi 環境下操作。雖然模型體積較大，但換來的是極高辨識精準度與更強中英夾雜處理能力。
▲ 回到主頁，按右下角，開啟新筆記
▲在新筆記，按右下角「麥克風」錄音
▲ 錄音完畢後，按「有麥克風的筆記」圖示轉錄音到文宇
▲ 轉錄結果
我們朗讀了 Unwire.HK Facebook 專頁，一篇有關 Google Gemini 在香港解禁的新聞內容進行測試，我們會使用進階版模型。
▲ 我們朗讀的文章
「Google 旗下最強 AI Gemini 終於正式喺香港逐步解禁，逐步擴展 Gemini 體驗至全港所有用戶。以後用戶唔使再研究 VPN 或者外國電話卡，直接喺香港體驗 Google 最新 AI 技術。今次 Gemini 登陸香港，絕對會令港人喺日常生活多一個 AI 新選擇。」
從實測截圖可見，Notely Voice 會將口語變成書面語，不是逐字記錄「喺」、「唔使」等口語詞彙，而是展現出極強語法轉換能力，自動將其修飾成正式書面語格式。例如文中「唔使再研究」會轉錄成「無需再研究」； 口語：「直接喺香港」轉錄成「直接在香港」。
▲紅色圈為錯誤轉錄
不過，原句「逐步擴展」變成「逐步確診」、原句「Google 旗下」亦變成 「 Google 期下」。代表 AI 在處理環境雜音、讀音輕重或特定專有名詞時，仍可能出現錯誤。建議大家在轉錄後，仍要參考錄音檢整。
除了第三方 App，筆者亦嘗試使用 iPhone 內置的錄音 App 處理同一段錄音，發現兩者的處理方向截然不同。iPhone 內置功能走的是「忠實還原」路線，轉錄結果會保留原始的廣東話口語，例如「喺」和「唔使」都會直接輸出，這與 Notely Voice 自動書面語化的做法大相徑庭。但在辨識準繩度方面，iPhone 的語音辨識在一般詞彙上顯得更為穩定。
只是在處理英文專有名詞時則明顯較弱。例如文中出現的「Gemini」就被 iPhone 連續拼錯成「Gemalate」、「Geminite」甚至「Gemina」，相比之下，搭載 Whisper 模型的 Notely Voice 在處理技術品牌名稱上顯得精準許多。
總結來說，如果你需要的是一份忠實還原現場的廣東話「逐字稿」，iPhone 內置功能無疑非常強大。但如果你希望錄音後能直接生成可用於發佈的文章、報告或筆記，Notely Voice 的自動修飾功能則能節省大量的編輯時間。
當然，用家亦可以採取另一種做法，就是先利用 iPhone 錄音獲取準確的口語文字，再將這些文字交給其他 AI（如 Gemini 或 ChatGPT）進行書面語轉換。雖然這種多一重步驟的做法在 Notely Voice 面前可能顯得有點「本末倒置」，但考慮到 iPhone 較低的幻覺率，這種「強強聯手」的方法也不失為一個選擇，最終還是交由用家根據個人偏好來決定。