自從有了 AI，「錄音轉文字」已成為不少人的效率神器，能把音訊瞬間變為可搜尋、可編輯的文字，省卻以往枯燥重複聽寫的時間。雖然市面上有不少專門工具，但大多收費昂貴且功能單一；相比之下，Google Gemini 不單提供轉錄服務，更能即時一站式幫你整理重點。無論是想整理課堂筆記的學生、需要會議記錄的上班族，甚至是趕製字幕的創作者，只要將錄音傳給 Gemini，就能在一個對話視窗搞掂轉文字與後續文書處理，既實用又方便。
▲ 只需幾秒便可以輸出 30 分鐘錄音的逐字稿，更可以分到講者身份
Gemini 語音轉文字操作流程 網頁版同App版一樣容易
網頁版操作
在 Gemini 使用這個功能，操作過程相當直覺。打開 Gemini 介面，在對話框點選上傳檔案圖示，直接將錄音檔拖進去即可。目前支援格式包括 MP3、M4A 及 WAV。上傳完成後，可以透過特定指令要求 AI 處理內容。例如輸入：「請幫我將這段音檔轉成繁體中文逐字稿，保留原文內容，並進行適當分段。」
▲ 打開 Gemini 界面，選擇「＋」，然後選取你想檔案，又或者可以直接從桌面拖進去
App 版操作
如果你習慣在手機 App 操作，步驟其實跟網頁版大同小異，只要在對話框點擊「＋」號圖示即可選取檔案。不過 iPhone 用家要留意一點，如果你習慣用 iOS 內置的「錄音機」錄音，記得要先將檔案「儲存到檔案（Files）」，然後才能在 Gemini 裡面選取，因為 Gemini 不能直接拿到「錄音機」的錄音檔。
▲ 在「錄音機」，選取左上角的「選擇」，選擇你想轉錄的錄音到「檔案」
▲ 把錄音儲存到檔案
▲選取到你想放置的位置，再儲存
▲ 在電話 Gemini 界面都一樣，選擇「＋」，然後選取你想檔案
Gemini 聽寫能力強勁
事實上，Gemini 的聽寫能力強勁得令人驚喜。筆者早前在一個大型會場實測，全程只靠 iPhone 錄取現場喇叭的聲音當時距離有 5 至 6 排座位，當時與喇叭有 5-6 排座位，收音環境其實一般，結果生成的文字依然非常準確，即使指令中沒特別要求分段，AI 亦懂得在合適位置自動斷句，更能分清誰是發言者，閱讀感極佳。更令人佩服的是，筆者曾嘗試錄下一段帶有外國口音的廣東話訪問，Gemini 同樣能準確還原內容，辨識力極高，完全能應付複雜的錄音環境。
為什麼選擇 Gemini？同類型 AI 工具比較
市面上雖然有很多 AI 錄音轉文字工具，但 Gemini 有幾個地方更方便。很多記者愛用 Good Tape，雖然其準確度同樣出色，但 Good Tape 的免費版往往要排隊輪候（Waitlist），想快就要付費，而且預設生成書面語，沒法改變設定；而 Gemini 則是即傳即轉，完全無需等待。以前大家常用的 Buzz 來說，Buzz 雖然免費，但你要先下載軟體，還要看你電腦跑得夠不夠快；Gemini 則是全雲端運算，你的電腦再舊、性能再差，速度也一樣飛快。
而且 Gemini 之所以好用，是因為它可以「追問」。當它打完逐字稿後，你可以直接問它：「剛才那場會，老細最後決定了什麼？」或者「幫我把重點列成五點」。
收費限制與實測上限
關於大家最關心的收費與檔案限制，目前 Gemini 採取免費版與付費版並行的策略，不過有一點要留意，香港暫時未有得直接訂閱付費版，希望官方盡快會有消息。
▲ 免費版的 Gemini 未能處理超過 10 分鐘的錄音
實測發現，免費版處理 7 分鐘內的短錄音非常完美，但如果音檔超過 10 分鐘，AI 往往會因為內容太多而無法處理全文，或者只能給出簡短摘要。至於付費版（Gemini Advanced / AI Pro）用戶，單一檔案上傳上限為 100MB。筆者正使用付費的 Gemini 帳戶實測，發現它可以輕鬆處理約 1 小時長的錄音，一次過輸出 1.5 萬字以上的繁體逐字稿。免費版用戶雖然同樣可以上傳 100MB 內的檔案，但因為後台處理容量較小，長錄音就會顯得心有餘而力不足。
分享到 :
最新影片
