用 Azure Speech Studio x ChatGPT 幫你生逐字稿

團隊草創初期，為了要拓展業務，總是需要到處跟客戶介紹自己公司的產品、服務和戰績。這種出嘴的事情，一開始一兩個人就能搞定，但隨著公司業務量越來越大，漸漸就需要找新人來幫忙出門跑業務。找來的新人不是找來就馬上能派得上用場，又不能把創辦人的知識和能力，直接複製貼上到新人的腦裡，每個人的能力也不盡相同，漸漸就會有戰力不均的問題出現。為解決這種問題，Speech-To-Text 的服務就能派上用場了，將前輩報告或者跟客戶互動時的說詞，好好錄音下來，然後轉成文字檔，就能好好拜讀，牢牢記在腦中。（再加上多拉A夢的記憶吐司，功效更是妙不可言）

接下來，介紹如果利用 Azure Speech Studio，外加 ChatGPT 做到以上效果。稍微介紹一下步驟：

1. 錄音：

基本上應該沒有什麼特別的限制，只要你能輸出錄音檔就好。

2. 用 ffmpeg 將錄音檔轉換成 WAV file

由於需要用到 Azure Speech Studio 的 即時語音轉換文字 服務，其要求上傳的錄音檔必須是 WAV file，且 Sampling rate 必須是 16kHz 或 8kHz，音訊編碼必須是 16 bit mono PCM(Pulse-code modulation)。如果懶得去思考這到底在幹什麼，最簡單的做法就是拿到錄音檔就先用 ffmpeg 轉檔。

• 下載與安裝：
  • Windows
  • Mac

  brew install ffmpeg
  

  • Linux (Ubuntu)

  sudo apt-get install ffmpeg
  

• 轉檔
  • -asodec: 指定音訊編碼方式，pcm_s16le 代表輸出為 PCM 16 bit。
  • -ac: 設定輸出聲道數，這邊設定為 1，即為單聲道。
  • -ar: 輸出的頻率，16000 即為 16 kHz。

ffmpeg -i <你的錄音檔> -acodec pcm_s16le -ac 1 -ar 16000 <輸出的WAV檔>.wav

3. Speech-to-text

• 登入 Speech Studio
  • 如果沒有 Azure 帳號，可以試著申請免費帳號。點此看教學。
  • 需要建立語音服務
• 進入 Speech Studio 之後，點選 即時語音轉換文字 （Real-Time Speech-to-text）。
• 選擇語言：選擇自動偵測，並且選擇你要偵測的語言，最多四個。
• 片語清單：如果有專有名詞需要特別注意，可以全部列出。詞與詞之間需要用半形的逗號隔開。
  
• 上傳檔案，然後耐心等待。目前實測大約三小時的錄音檔，在一個小時左右可以完成文字輸出。
  
• 也可以直接錄音，直接輸出文字，但我沒有實測過，不知道是否可以長時間輸出。考慮到可能會斷網的情況，我想先錄音再擷取文字，應該是相對安全的做法。
• 每個月有五個小時的音訊長度可以免費轉換成文字，之後每小時的音訊收費一美元，詳情於此。

4. 用 ChatGPT 幫忙潤飾、改錯字和贅字。

畢竟說話的是人，難免會有說錯話、吃螺絲還有文字癌的問題。透過 ChatGPT 就可以把從錄音檔擷取的文字變得更精練。不過，這也不是百分之百成功的，篇幅太大可能會失敗，上限是4000 個字元，最好是將上述輸出文字，切成幾個段落，一段一段請 ChatGPT 潤飾。

另外，也有可能，某一段文字贅字太多，錯字太多，或者沒有重點，ChatGPT 也有可能無法輸出，直接噴錯。

以下範例-

我說：

將以下文章潤飾，改掉錯字，剔除贅字：去做咨那個電網的或是一些供需預測的長頸這個廠御用，再就是工業區。我們是之前有企業的客戶工業區做什麼預警呢？我們預測說，未來的30分鐘，未來的一個小時工業區從電廠出去的店哦，發電廠出去的店在工業區有多少個廠商，多少的公司會用多少的能源？ 那基於預期來做，有效的就是負載平衡的規劃，做到真正的削峰填谷。為什麼這件事很重要呢？因為臺灣現在在用電的這一塊。要為了確保電網是穩定的。都會有一個很重要的一件事，就是會有一些預載的那個備轉容量，就是當下可能要用50 megawatt的電能，他可能會備載容量可能是10%，你就要發55 megawatt的點，那以確保說當下的狀況或是20%啊，或者是20%就是要五使用5時要發60，你要確保就是當下大家都可以用，不過有些土波的狀況，那這個過程中呢？會那些備轉的容量的電力？ 呃，其實因為量太大，它其實存不下來，他就會無形中的流失掉就變熱，能就散失了。大家在過程中其實很浪費的一件事情，如果我們可以有效地去做一些不宅的供需預測。那在負載平衡上面呢，我們就可以無形中節約，非常非常多的能源。

以下是我和 ChatGPT 的互動：

只要覺得 ChatGPT 話還沒說完，就打"繼續"，讓他繼續說下去

另外，也有可能 ChatGPT 以英文回答，那就把英文內容再翻譯過一次，效果也是一樣的。

以上，半自動化的流程，應該就可以節省不少打逐字稿的時間，還能擷取強者腦中的想法，有需要的人，可以斟酌參考使用。