语音转文本
不只语音转文本，还能帮你画重点、让同事朋友间交互讨论的 vocol.ai 跨语系协作平台
newsman 发表了文章 • 2023-07-24 22:56
现在有越来越多的人在使用数字科技辅助学习、工作，我也常常在 PTT 上看到许多网友在问有没有好用的笔记软件、工具可以处理语音转文本的工作，因为他们可能录下了课堂老师讲的内容、工作会议讨论的事项，但事后需要转成文本档整理到自己的笔记或是工作报告中。
最近我就发现了一款好用的语音转文本工具 vocol.ai，辨识正确率很高，产生逐字稿的同时还可以分辨不同的讲者，甚至未来的 AI 趋势在 vocol.ai 里面也直接集成进去了，大家最常叫 ChatGPT 做的「帮我整理这内容的重点跟翻译」直接就在逐字稿产生以后一并生成。
另外，如果你是需要团队合作的案子，vocol.ai 也有团队协作功能，从头到尾一站式就搞定。下面我会详细的介绍 vocol.ai 要怎么用，并且实际示范语音转文本效果以及好用的几个功能。
语音转文本神器：vocol.ai 的 7 大重点
这里先跟大家快速重点一下我觉得 vocol.ai 好用的 7 大功能，先让大家有个概念，原来这 vocol.ai 可以做这些，然后我们再体验它的效果。
免费试用约 200 分钟
先跟大家说，目前 vocol.ai 有提供每个帐号大约 200 V-points 的免费试用额度，通常一分钟的逐字稿转换会花掉 1 到 1.5 V-points（这只是大约计算，通常不会差太多），所以 200 V-points 大概就是 200 分钟左右。
▲你可以在个人页面中看到剩余可用的 V-points
所以你不用担心说看完介绍想要用结果要付费才能用！可以先试用 200 分钟，觉得好用、有帮助的话再继续购买更多的 V-points。
▲ vocol.ai 还有包含企业方案在内的其他方案，后面会提到
语音转逐字稿
直接把录音档、影片档上传到 vocol.ai 的个人平台上，vocol.ai 就会开始帮你分析影片、音乐的内容，然后产生逐字稿，整个流程大概两、三个步骤就能搞定。
▲上传 mp3、mp4、m4a 多种格式都可以支持
通常内容只要不是太复杂的情况下，逐字稿大约可以在 3 ~ 5 分钟之内就产生出来，然后就可以在项目的画面右半部「逐字稿」这一区块看到完整的逐字稿内容。
▲上传完毕后再等一下逐字稿就会出现，等待时间取决影片长度与复杂度
完整呈现声音的内容
就连那种我们很不经意脱口而出的赘词「对」、「就是」、「那个」，或是你卡词的状况都会很完整的节录出来。
▲ vocol.ai 完整地把语音内容转成逐字稿
既然是逐字稿，所以当然就是说了什么就呈现什么，本来就不会去帮你修饰语句，我觉得这样是非常正常而且尽责的逐字稿。
录音的品质会决定逐字稿生成后的结果，有时候我们可能会因为声音素材品质不佳、讲话彼此互相搭到、太过小声….等原因，导致辨识出错误的内容或是用字，但也没关系，点两下逐字稿中想要修改的段落，就可以在跳出的菜单中选择「编辑」进行修改。
▲ 觉得有需要调整的地方也可以自行修改
辨识不同讲者
vocol.ai 在辨识逐字稿的过程中也会分辨哪一句话是谁讲的，然后把不同的句子对应到讲话的人，所以会在逐字稿中看到「讲话者 1」、「讲话者 2」等字样，让我们可以更容易了解谁说了些什么。
▲ 分辨讲者更容易看出是谁在说话
就我目前的测试，至少到第七位讲话者都还可以辨识得出来，而且每一位讲者都会用不同颜色的线条表示，在内容很多的情况下比较好一眼就找到、辨别不同的说话者。
▲ 目前测试至少可以支持 7 名讲者
如果还想要更容易辨识的话，直接把「讲话者」改为真实的对象名称就好了，这样如果有刚参与项目的同事或是朋友之间就在讨论事情，就不用担心不知道是谁在说话了。
▲ 讲者的名称也可以自行调整
多种语言辨识
vocol.ai 可以针对影片、录音档内不同的语音进行辨识，基本的国语、英语和日语就不说了，这几种语言对于 vocol.ai 在处理逐字稿上几乎是没有什么太大的问题。
▲ vocol.ai 辨识英语
甚至对话包含中、英文夹杂的状况也都可以顺利辨识，就像下面这样，在逐字稿里面就会同时显示中文以及英文两种不同的内容。
▲ vocol.ai 辨识中英语夹杂
另外，因为许多台湾人习惯说台语，今天如果录音的场合是大家都习惯说台语的会议、讨论上，其他的语音转文本系统可能很难处理，vocol.ai 就没有问题。
我也简短的测试了一下，是真的可以辨识出来，不过要注意的是，台语的说法跟国语还是会有落差，像是下面这个「补给够」是台语「补嘎搞」的直翻，国语可能就会讲「补足」，会有这类的差别需要注意。
▲ vocol.ai 台语也能辨识
然后来试试看广东话，这是我在网络上找到的一段香港 YouTuber 的街访影片开头，丢到 vocol.ai 去转文本，没想到竟然也可以正确辨识。
▲ vocol.ai 广东话也能辨识
AI 生成重点
在上面的几张截屏中你应该也有看到，vocol.ai 在生成完逐字稿以后，还会透过 AI 语言模型，把逐字稿的内容整理出重点显示在左半边的部分，而且如果内容完整清晰的话，可以分段，并且指出每一段的时间从什么时候开始、什么时候结束。
虽然在上传文件时可以先勾选产生 AI 分析摘要，但我有时我在上传的时候会刻意先不开启 AI 自动产生摘要的功能，就是下面这个开关先不打开。
我会先产出逐字稿，确认好内容再点击「运行智能分析」产出 AI 分析摘要。
这也是我觉得很棒的一点，因为我通常习惯先确认好逐字稿内容，确认没有要修改再做 AI 重点摘要，因为如果我有针对逐字稿进行修改的话，这样做可以确保我的摘要会跟逐字稿内容是同步的，省去我对照内容的时间。
另外，录音的内容如果一次说了好多不同的主题，vocol.ai 也会帮你把不同的主题分门别类的抓出来，你可以从「主题」标签页中看到 vocol.ai 帮你整理的主题项目，点一下任何一个项目，右边的逐字稿就会反黄，方便我们可以快速找到。
团队协作平台
团队协作功能是我觉得 vocol.ai 很棒的一项特色，不仅仅是你可以自己在上面完成工作，你还可以邀请同事一起参与，直接在 vocol.ai 的平台上，针对生成的内容进行讨论，评论。
无论是自己还是被邀请的对象，除了可以浏览逐字稿内容、摘要内容以外，还可以针对有疑虑的地方，直接留下评论，然后在评论区中进行讨论或是交流。
然后我看 vocol.ai 官网的方案内容说明，在未来还会加入新的 Starter 和 Pro 方案，可以使用像是重点标示、权限设置、团队管理、使用分析….等更多项目团队用户专属且工作上必须使用到的功能。
vocol.ai 可以用在哪里？
下面这边我想要实际带大家来体验看看各种不同使用 vocol.ai 的情境，透过情境的方式，我想大家应该更可以体会 vocol.ai 语音转文本有哪些可以发挥的地方。
课堂纪录整理
现在很多人都会在课堂上把老师教的内容记录下来，甚至有些笔记 App 也有提供录音功能，但就是纯录音，也没办法转成文本，后续要做笔记的时候还是要从头开始听，甚至你有想要听的内容，但是你根本不知道这个内容出现在几分几秒，要像是瞎子摸象那样一直在播放器中寻找。
但是利用 vocol.ai，你只需要把影片、录音档上传。
如果内容很多也没关系，上传完以后你可以先做自己的事情，等到逐字稿生成完毕会发送通知给你，蛮贴心的功能，不用在那痴痴的等。
但要特别注意的是，上传单个音档最高限制是 180 分钟！
如果你刚好没有带到录音笔、手机空间不够、快没电的情况下，你也可以直接透过 volco.ai 提供的录音功能录下要转逐字稿的内容。
但因为这是透过内置浏览器来进行录音，所以还是要注意一下浏览器的设置，避免因为没有跟网页有交互时进入休眠状态让录音被迫停止，以我的经验来说，我常用 Google Chrome，所以会习惯去「设置」→「性能」→把信任的网站加入菜单中。此外，我也会同时关闭内存节省模式。
无论是透过 vocol.ai 直接录音或是上传音档，当逐字稿产生完毕后，你就可以从逐字稿中透过搜索的方式，快速找到你想要找的重点，之后再把所有的内容好好整理一下，会比从头重新听过再来整理还要有效率。
想听哪一段的内容直接点击文本就可以直接切换过去，不用在一整段语音中盲目寻找要听的目标内容。
这里也要特别提一下，其实 vocol.ai 也有针对逐字稿、评论讨论的关键字搜索工具，不过我觉得那比较适用有好多段对话的情况，搜索工具会引导你去有包含这个关键字的对话、章节或是讨论串。
但是像我上面那样，课堂上只有老师一个人批哩啪啦在讲的情况，vocol.ai 的关键字搜索反而没那么好用，因为他不会引导你去这个字实际出现的地方，而是把有提到这个字的对话整段抓出来，等于是老师整段讲的话都被标出来了，那就没有意义了，所以像这种情况还是改用浏览器内置的搜索工具比较好。
还是要说一下，逐字稿真的很好用，大家一定要会善用，毕竟在信息的世界，文本是很重要的传播媒介啊。
会议纪录整理
vocol.ai 也很适合拿来做会议记录，做会后的数据整理，搭配 vocol.ai 可以分辨不同讲者的特色，可以在逐字稿中很容易了解到谁说了哪些内容。
而且包含这样一来一回的对话，甚至有时候有抢话的状况，vocol.ai 都还是分辨得很清楚，没有混在一起、搭在一起。
另外像这个情境，就可以使用上面提过的关键字搜索工具，找出哪些对话里面有我们想要了解的关键字内容。
如果可以使用 vocol.ai 的工具还是比较好，毕竟这个可以直接让画面只显示我们搜索的关键字对话，更容易聚焦在结果上。
另外还有一种会议记录，可能就是大家开会的时候随手录下来的，这种当然也可以使用 vocol.ai 来做会后的逐字稿整理。
可是你会发现这里面明明就很多人都有发言，但是在逐字稿中却都只辨识成一个讲者，不像上面那样可以辨识成两个人，还能一来一往很流畅，句子也不会搭在一起。
主要还是因为声音品质的关系。
像这个会议记录的影片文件，因为大家声音都不是非常清晰，有些讲得也很模糊，所以 vocol.ai 在判断上就会有很大难度去准确的辨识，而这个影片的情况还算好，逐字稿中有 8 成的内容都有抓到，只是没有分辨讲者罢了。
毕竟 AI 也不是万能，素材的品质越好，能够提供的内容就越完整，这点大家一定要记得。
用翻译快速看懂国外采访纪录
刚好在这段时间，我们有机会受德国在台协会邀请做一个小访问，主题是关于 9 月要在德国柏林举办的 IFA 展览，而我们也录下了采访的内容，然后透过 vocol.ai 来帮我们做事后的整理。
一样可以透过 AI 生成的重点先了解一下整段访问的内容，然后再针对逐字稿的内容去做整理或是进一步的利用。
这边就要提到 vocol.ai 七月刚上线的翻译功能！
简单来说，这功能是能够让你在生成逐字稿之后进行翻译。完成逐字稿翻译后，点击该语系就能对照原始语系，而且就算你点击特定区段的翻译版本逐字稿，语音也会同步，也能留下评论。
这对想要学习语言的人来说，就像是学习平台一样方便。
除了在平台上跨语系协作，也能下载各种翻译版本逐字稿。支持的格式有 txt 和 srt 这两种。
逐字稿翻译功能甚至支持 20 种以上的语系，但需要注意的是翻译版本无法被编辑喔！
我认为这对于需要开跨国会议的人非常有帮助，例如有时候跟日本客户开会时，他们偏好使用日文，但对于不懂日文的我们，如果需要知道内容细节，就需要口译帮忙，但有时候口译也会省略一些内容，这就会造成信息落差，如果能掌握到所有细节，其实就能避免这种状况。
vocol.ai 也是好用的多人协作平台
上面的案例中，你可以发现我主要是以个人使用的情境在体验 vocol.ai 的功能，谈到 vocol.ai 如何帮助我们更好的处理语音的事情。
但其实 vocol.ai 不仅仅是对自己有帮助，对于团队协作都是有帮助的，这都是借助 vocol.ai 的协作平台功能。
换个立场，今天你不是会议的参与者，但你是团队的一员
你不一定要亲自参与每一场的会议，但是你可以在会议结束以后，让与会的同事透过 vocol.ai 平台的「分享文件」功能把你邀请进 vocol.ai 的协作平台。
收到邀请后会有 Email 的通知，而且可以在媒体库中清楚的辨识哪些是受他人邀请参与的项目，哪些是自己的项目。
直接在平台中留下针对内容的建议
身为受邀者虽然目前还不能编辑逐字稿的内容，但是可以针对逐字稿或是语音的段落给予意见，然后再由项目的拥有者根据大家的回馈进行修改。
可以选择任何一段的逐字稿或是语音段落，然后留下「评论」，这样在同一个项目底下的其他参与者，就可以看到彼此的评论内容。
其他人只要点击讨论区中你所留下的评论，就会被引导到你选起来的对话或是章节，你也不用再跟大家说「请看 XX 分 XX 秒的地方」，把时间跟精力专注在真正要聚焦的内容上吧。
所以无论你是主要参与会议的人、只需要知道会议上讨论了些什么的人，或者你是一个项目管理的角色，你都可以利用 vocol.ai 协作平台的共享逐字稿（包括原始逐字稿跟多语系翻译版本）与 AI 重点整理的功能，查看整场会议的全貌或重点、甚至给予评论。
而且上面说到的这些评论都会即时显示，大家可以花个 10 分钟 20 分钟一起在在线透过 vocol.ai 来完成会议后续的确认工作。
也能直接用 vocol.ai 录制在线会议
此外，vocol.ai 还可以化身为一个机器人加入 Google Meet 或 Microsoft Team 的视频会议中，把会议的内容自动记录下来，再自动丢回 vocol.ai 的平台中分析、产出逐字稿。不过要注意的是，目前使用机器人自动录音有六十分钟限制。
接着你只要从个人后台首页中的「邀请 Google/Team 会议录音机器人」选项的「加入会议」功能操作。
然后粘贴会议的链接，让 vocol.ai 可以向会议送出加入的邀请。
在会议端就会收到有 vocol.ai 机器人要加入会议的通知，允许加入以后，vocol.ai 就会开始对会议的内容进行录音。
当会议结束后，vocol.ai 机器人就会自动把录制的内容丢回系统，你可以在后台中看到 meeting 的文件，这就是刚刚录制的会议内容。
接着后面产生 AI 摘要、逐字稿的功能就跟前面介绍过的一样。
透过这个方式，在团队开会、远程视频会议时，就不用另外录像、取得录像档然后再上传，这些有的没的工作就直接让 vocol.ai 来处理，处理完还能直接生成会议重点摘要与逐字稿，多方便。
vocol.ai 平台：语音转多语系逐字稿，让工作变得更有效率
回归到最原始的需求，我们之所以需要一款好用的语音转文本工具，就是因为现在很多东西都讲求数字化，而数字与我们之间最重要的沟通方式就是文本了。
透过 vocol.ai 的语音转文本功能，我们可以很方便又快速的把落落长的课堂录音、会议记录、采访内容在几分钟内就转成多语系文本，让我们后续可以做更多应用。
vocol.ai 提供了 AI 摘要功能以及分享逐字稿功能，可以加快工作的流程以及协作的顺畅度，利用 AI 摘要先快速了解内容后，在针对逐字稿的细项内容去修正、讨论与调整。
不只语音转文本，还能帮你画重点、让同事朋友间交互讨论的 vocol.ai 跨语系协作平台
newsman 发表了文章 • 2023-07-24 22:56
现在有越来越多的人在使用数字科技辅助学习、工作，我也常常在 PTT 上看到许多网友在问有没有好用的笔记软件、工具可以处理语音转文本的工作，因为他们可能录下了课堂老师讲的内容、工作会议讨论的事项，但事后需要转成文本档整理到自己的笔记或是工作报告中。
最近我就发现了一款好用的语音转文本工具 vocol.ai，辨识正确率很高，产生逐字稿的同时还可以分辨不同的讲者，甚至未来的 AI 趋势在 vocol.ai 里面也直接集成进去了，大家最常叫 ChatGPT 做的「帮我整理这内容的重点跟翻译」直接就在逐字稿产生以后一并生成。
另外，如果你是需要团队合作的案子，vocol.ai 也有团队协作功能，从头到尾一站式就搞定。下面我会详细的介绍 vocol.ai 要怎么用，并且实际示范语音转文本效果以及好用的几个功能。
语音转文本神器：vocol.ai 的 7 大重点
这里先跟大家快速重点一下我觉得 vocol.ai 好用的 7 大功能，先让大家有个概念，原来这 vocol.ai 可以做这些，然后我们再体验它的效果。
免费试用约 200 分钟
先跟大家说，目前 vocol.ai 有提供每个帐号大约 200 V-points 的免费试用额度，通常一分钟的逐字稿转换会花掉 1 到 1.5 V-points（这只是大约计算，通常不会差太多），所以 200 V-points 大概就是 200 分钟左右。
▲你可以在个人页面中看到剩余可用的 V-points
所以你不用担心说看完介绍想要用结果要付费才能用！可以先试用 200 分钟，觉得好用、有帮助的话再继续购买更多的 V-points。
▲ vocol.ai 还有包含企业方案在内的其他方案，后面会提到
语音转逐字稿
直接把录音档、影片档上传到 vocol.ai 的个人平台上，vocol.ai 就会开始帮你分析影片、音乐的内容，然后产生逐字稿，整个流程大概两、三个步骤就能搞定。
▲上传 mp3、mp4、m4a 多种格式都可以支持
通常内容只要不是太复杂的情况下，逐字稿大约可以在 3 ~ 5 分钟之内就产生出来，然后就可以在项目的画面右半部「逐字稿」这一区块看到完整的逐字稿内容。
▲上传完毕后再等一下逐字稿就会出现，等待时间取决影片长度与复杂度
完整呈现声音的内容
就连那种我们很不经意脱口而出的赘词「对」、「就是」、「那个」，或是你卡词的状况都会很完整的节录出来。
▲ vocol.ai 完整地把语音内容转成逐字稿
既然是逐字稿，所以当然就是说了什么就呈现什么，本来就不会去帮你修饰语句，我觉得这样是非常正常而且尽责的逐字稿。
录音的品质会决定逐字稿生成后的结果，有时候我们可能会因为声音素材品质不佳、讲话彼此互相搭到、太过小声….等原因，导致辨识出错误的内容或是用字，但也没关系，点两下逐字稿中想要修改的段落，就可以在跳出的菜单中选择「编辑」进行修改。
▲ 觉得有需要调整的地方也可以自行修改
辨识不同讲者
vocol.ai 在辨识逐字稿的过程中也会分辨哪一句话是谁讲的，然后把不同的句子对应到讲话的人，所以会在逐字稿中看到「讲话者 1」、「讲话者 2」等字样，让我们可以更容易了解谁说了些什么。
▲ 分辨讲者更容易看出是谁在说话
就我目前的测试，至少到第七位讲话者都还可以辨识得出来，而且每一位讲者都会用不同颜色的线条表示，在内容很多的情况下比较好一眼就找到、辨别不同的说话者。
▲ 目前测试至少可以支持 7 名讲者
如果还想要更容易辨识的话，直接把「讲话者」改为真实的对象名称就好了，这样如果有刚参与项目的同事或是朋友之间就在讨论事情，就不用担心不知道是谁在说话了。
▲ 讲者的名称也可以自行调整
多种语言辨识
vocol.ai 可以针对影片、录音档内不同的语音进行辨识，基本的国语、英语和日语就不说了，这几种语言对于 vocol.ai 在处理逐字稿上几乎是没有什么太大的问题。
▲ vocol.ai 辨识英语
甚至对话包含中、英文夹杂的状况也都可以顺利辨识，就像下面这样，在逐字稿里面就会同时显示中文以及英文两种不同的内容。
▲ vocol.ai 辨识中英语夹杂
另外，因为许多台湾人习惯说台语，今天如果录音的场合是大家都习惯说台语的会议、讨论上，其他的语音转文本系统可能很难处理，vocol.ai 就没有问题。
我也简短的测试了一下，是真的可以辨识出来，不过要注意的是，台语的说法跟国语还是会有落差，像是下面这个「补给够」是台语「补嘎搞」的直翻，国语可能就会讲「补足」，会有这类的差别需要注意。
▲ vocol.ai 台语也能辨识
然后来试试看广东话，这是我在网络上找到的一段香港 YouTuber 的街访影片开头，丢到 vocol.ai 去转文本，没想到竟然也可以正确辨识。
▲ vocol.ai 广东话也能辨识
AI 生成重点
在上面的几张截屏中你应该也有看到，vocol.ai 在生成完逐字稿以后，还会透过 AI 语言模型，把逐字稿的内容整理出重点显示在左半边的部分，而且如果内容完整清晰的话，可以分段，并且指出每一段的时间从什么时候开始、什么时候结束。
虽然在上传文件时可以先勾选产生 AI 分析摘要，但我有时我在上传的时候会刻意先不开启 AI 自动产生摘要的功能，就是下面这个开关先不打开。
我会先产出逐字稿，确认好内容再点击「运行智能分析」产出 AI 分析摘要。
这也是我觉得很棒的一点，因为我通常习惯先确认好逐字稿内容，确认没有要修改再做 AI 重点摘要，因为如果我有针对逐字稿进行修改的话，这样做可以确保我的摘要会跟逐字稿内容是同步的，省去我对照内容的时间。
另外，录音的内容如果一次说了好多不同的主题，vocol.ai 也会帮你把不同的主题分门别类的抓出来，你可以从「主题」标签页中看到 vocol.ai 帮你整理的主题项目，点一下任何一个项目，右边的逐字稿就会反黄，方便我们可以快速找到。
团队协作平台
团队协作功能是我觉得 vocol.ai 很棒的一项特色，不仅仅是你可以自己在上面完成工作，你还可以邀请同事一起参与，直接在 vocol.ai 的平台上，针对生成的内容进行讨论，评论。
无论是自己还是被邀请的对象，除了可以浏览逐字稿内容、摘要内容以外，还可以针对有疑虑的地方，直接留下评论，然后在评论区中进行讨论或是交流。
然后我看 vocol.ai 官网的方案内容说明，在未来还会加入新的 Starter 和 Pro 方案，可以使用像是重点标示、权限设置、团队管理、使用分析….等更多项目团队用户专属且工作上必须使用到的功能。
vocol.ai 可以用在哪里？
下面这边我想要实际带大家来体验看看各种不同使用 vocol.ai 的情境，透过情境的方式，我想大家应该更可以体会 vocol.ai 语音转文本有哪些可以发挥的地方。
课堂纪录整理
现在很多人都会在课堂上把老师教的内容记录下来，甚至有些笔记 App 也有提供录音功能，但就是纯录音，也没办法转成文本，后续要做笔记的时候还是要从头开始听，甚至你有想要听的内容，但是你根本不知道这个内容出现在几分几秒，要像是瞎子摸象那样一直在播放器中寻找。
但是利用 vocol.ai，你只需要把影片、录音档上传。
如果内容很多也没关系，上传完以后你可以先做自己的事情，等到逐字稿生成完毕会发送通知给你，蛮贴心的功能，不用在那痴痴的等。
但要特别注意的是，上传单个音档最高限制是 180 分钟！
如果你刚好没有带到录音笔、手机空间不够、快没电的情况下，你也可以直接透过 volco.ai 提供的录音功能录下要转逐字稿的内容。
但因为这是透过内置浏览器来进行录音，所以还是要注意一下浏览器的设置，避免因为没有跟网页有交互时进入休眠状态让录音被迫停止，以我的经验来说，我常用 Google Chrome，所以会习惯去「设置」→「性能」→把信任的网站加入菜单中。此外，我也会同时关闭内存节省模式。
无论是透过 vocol.ai 直接录音或是上传音档，当逐字稿产生完毕后，你就可以从逐字稿中透过搜索的方式，快速找到你想要找的重点，之后再把所有的内容好好整理一下，会比从头重新听过再来整理还要有效率。
想听哪一段的内容直接点击文本就可以直接切换过去，不用在一整段语音中盲目寻找要听的目标内容。
这里也要特别提一下，其实 vocol.ai 也有针对逐字稿、评论讨论的关键字搜索工具，不过我觉得那比较适用有好多段对话的情况，搜索工具会引导你去有包含这个关键字的对话、章节或是讨论串。
但是像我上面那样，课堂上只有老师一个人批哩啪啦在讲的情况，vocol.ai 的关键字搜索反而没那么好用，因为他不会引导你去这个字实际出现的地方，而是把有提到这个字的对话整段抓出来，等于是老师整段讲的话都被标出来了，那就没有意义了，所以像这种情况还是改用浏览器内置的搜索工具比较好。
还是要说一下，逐字稿真的很好用，大家一定要会善用，毕竟在信息的世界，文本是很重要的传播媒介啊。
会议纪录整理
vocol.ai 也很适合拿来做会议记录，做会后的数据整理，搭配 vocol.ai 可以分辨不同讲者的特色，可以在逐字稿中很容易了解到谁说了哪些内容。
而且包含这样一来一回的对话，甚至有时候有抢话的状况，vocol.ai 都还是分辨得很清楚，没有混在一起、搭在一起。
另外像这个情境，就可以使用上面提过的关键字搜索工具，找出哪些对话里面有我们想要了解的关键字内容。
如果可以使用 vocol.ai 的工具还是比较好，毕竟这个可以直接让画面只显示我们搜索的关键字对话，更容易聚焦在结果上。
另外还有一种会议记录，可能就是大家开会的时候随手录下来的，这种当然也可以使用 vocol.ai 来做会后的逐字稿整理。
可是你会发现这里面明明就很多人都有发言，但是在逐字稿中却都只辨识成一个讲者，不像上面那样可以辨识成两个人，还能一来一往很流畅，句子也不会搭在一起。
主要还是因为声音品质的关系。
像这个会议记录的影片文件，因为大家声音都不是非常清晰，有些讲得也很模糊，所以 vocol.ai 在判断上就会有很大难度去准确的辨识，而这个影片的情况还算好，逐字稿中有 8 成的内容都有抓到，只是没有分辨讲者罢了。
毕竟 AI 也不是万能，素材的品质越好，能够提供的内容就越完整，这点大家一定要记得。
用翻译快速看懂国外采访纪录
刚好在这段时间，我们有机会受德国在台协会邀请做一个小访问，主题是关于 9 月要在德国柏林举办的 IFA 展览，而我们也录下了采访的内容，然后透过 vocol.ai 来帮我们做事后的整理。
一样可以透过 AI 生成的重点先了解一下整段访问的内容，然后再针对逐字稿的内容去做整理或是进一步的利用。
这边就要提到 vocol.ai 七月刚上线的翻译功能！
简单来说，这功能是能够让你在生成逐字稿之后进行翻译。完成逐字稿翻译后，点击该语系就能对照原始语系，而且就算你点击特定区段的翻译版本逐字稿，语音也会同步，也能留下评论。
这对想要学习语言的人来说，就像是学习平台一样方便。
除了在平台上跨语系协作，也能下载各种翻译版本逐字稿。支持的格式有 txt 和 srt 这两种。
逐字稿翻译功能甚至支持 20 种以上的语系，但需要注意的是翻译版本无法被编辑喔！
我认为这对于需要开跨国会议的人非常有帮助，例如有时候跟日本客户开会时，他们偏好使用日文，但对于不懂日文的我们，如果需要知道内容细节，就需要口译帮忙，但有时候口译也会省略一些内容，这就会造成信息落差，如果能掌握到所有细节，其实就能避免这种状况。
vocol.ai 也是好用的多人协作平台
上面的案例中，你可以发现我主要是以个人使用的情境在体验 vocol.ai 的功能，谈到 vocol.ai 如何帮助我们更好的处理语音的事情。
但其实 vocol.ai 不仅仅是对自己有帮助，对于团队协作都是有帮助的，这都是借助 vocol.ai 的协作平台功能。
换个立场，今天你不是会议的参与者，但你是团队的一员
你不一定要亲自参与每一场的会议，但是你可以在会议结束以后，让与会的同事透过 vocol.ai 平台的「分享文件」功能把你邀请进 vocol.ai 的协作平台。
收到邀请后会有 Email 的通知，而且可以在媒体库中清楚的辨识哪些是受他人邀请参与的项目，哪些是自己的项目。
直接在平台中留下针对内容的建议
身为受邀者虽然目前还不能编辑逐字稿的内容，但是可以针对逐字稿或是语音的段落给予意见，然后再由项目的拥有者根据大家的回馈进行修改。
可以选择任何一段的逐字稿或是语音段落，然后留下「评论」，这样在同一个项目底下的其他参与者，就可以看到彼此的评论内容。
其他人只要点击讨论区中你所留下的评论，就会被引导到你选起来的对话或是章节，你也不用再跟大家说「请看 XX 分 XX 秒的地方」，把时间跟精力专注在真正要聚焦的内容上吧。
所以无论你是主要参与会议的人、只需要知道会议上讨论了些什么的人，或者你是一个项目管理的角色，你都可以利用 vocol.ai 协作平台的共享逐字稿（包括原始逐字稿跟多语系翻译版本）与 AI 重点整理的功能，查看整场会议的全貌或重点、甚至给予评论。
而且上面说到的这些评论都会即时显示，大家可以花个 10 分钟 20 分钟一起在在线透过 vocol.ai 来完成会议后续的确认工作。
也能直接用 vocol.ai 录制在线会议
此外，vocol.ai 还可以化身为一个机器人加入 Google Meet 或 Microsoft Team 的视频会议中，把会议的内容自动记录下来，再自动丢回 vocol.ai 的平台中分析、产出逐字稿。不过要注意的是，目前使用机器人自动录音有六十分钟限制。
接着你只要从个人后台首页中的「邀请 Google/Team 会议录音机器人」选项的「加入会议」功能操作。
然后粘贴会议的链接，让 vocol.ai 可以向会议送出加入的邀请。
在会议端就会收到有 vocol.ai 机器人要加入会议的通知，允许加入以后，vocol.ai 就会开始对会议的内容进行录音。
当会议结束后，vocol.ai 机器人就会自动把录制的内容丢回系统，你可以在后台中看到 meeting 的文件，这就是刚刚录制的会议内容。
接着后面产生 AI 摘要、逐字稿的功能就跟前面介绍过的一样。
透过这个方式，在团队开会、远程视频会议时，就不用另外录像、取得录像档然后再上传，这些有的没的工作就直接让 vocol.ai 来处理，处理完还能直接生成会议重点摘要与逐字稿，多方便。
vocol.ai 平台：语音转多语系逐字稿，让工作变得更有效率
回归到最原始的需求，我们之所以需要一款好用的语音转文本工具，就是因为现在很多东西都讲求数字化，而数字与我们之间最重要的沟通方式就是文本了。
透过 vocol.ai 的语音转文本功能，我们可以很方便又快速的把落落长的课堂录音、会议记录、采访内容在几分钟内就转成多语系文本，让我们后续可以做更多应用。
vocol.ai 提供了 AI 摘要功能以及分享逐字稿功能，可以加快工作的流程以及协作的顺畅度，利用 AI 摘要先快速了解内容后，在针对逐字稿的细项内容去修正、讨论与调整。
不只语音转文本，还能帮你画重点、让同事朋友间交互讨论的 vocol.ai 跨语系协作平台
newsman 发表了文章 • 2023-07-24 22:56
现在有越来越多的人在使用数字科技辅助学习、工作，我也常常在 PTT 上看到许多网友在问有没有好用的笔记软件、工具可以处理语音转文本的工作，因为他们可能录下了课堂老师讲的内容、工作会议讨论的事项，但事后需要转成文本档整理到自己的笔记或是工作报告中。
最近我就发现了一款好用的语音转文本工具 vocol.ai，辨识正确率很高，产生逐字稿的同时还可以分辨不同的讲者，甚至未来的 AI 趋势在 vocol.ai 里面也直接集成进去了，大家最常叫 ChatGPT 做的「帮我整理这内容的重点跟翻译」直接就在逐字稿产生以后一并生成。
另外，如果你是需要团队合作的案子，vocol.ai 也有团队协作功能，从头到尾一站式就搞定。下面我会详细的介绍 vocol.ai 要怎么用，并且实际示范语音转文本效果以及好用的几个功能。
语音转文本神器：vocol.ai 的 7 大重点
这里先跟大家快速重点一下我觉得 vocol.ai 好用的 7 大功能，先让大家有个概念，原来这 vocol.ai 可以做这些，然后我们再体验它的效果。
免费试用约 200 分钟
先跟大家说，目前 vocol.ai 有提供每个帐号大约 200 V-points 的免费试用额度，通常一分钟的逐字稿转换会花掉 1 到 1.5 V-points（这只是大约计算，通常不会差太多），所以 200 V-points 大概就是 200 分钟左右。
▲你可以在个人页面中看到剩余可用的 V-points
所以你不用担心说看完介绍想要用结果要付费才能用！可以先试用 200 分钟，觉得好用、有帮助的话再继续购买更多的 V-points。
▲ vocol.ai 还有包含企业方案在内的其他方案，后面会提到
语音转逐字稿
直接把录音档、影片档上传到 vocol.ai 的个人平台上，vocol.ai 就会开始帮你分析影片、音乐的内容，然后产生逐字稿，整个流程大概两、三个步骤就能搞定。
▲上传 mp3、mp4、m4a 多种格式都可以支持
通常内容只要不是太复杂的情况下，逐字稿大约可以在 3 ~ 5 分钟之内就产生出来，然后就可以在项目的画面右半部「逐字稿」这一区块看到完整的逐字稿内容。
▲上传完毕后再等一下逐字稿就会出现，等待时间取决影片长度与复杂度
完整呈现声音的内容
就连那种我们很不经意脱口而出的赘词「对」、「就是」、「那个」，或是你卡词的状况都会很完整的节录出来。
▲ vocol.ai 完整地把语音内容转成逐字稿
既然是逐字稿，所以当然就是说了什么就呈现什么，本来就不会去帮你修饰语句，我觉得这样是非常正常而且尽责的逐字稿。
录音的品质会决定逐字稿生成后的结果，有时候我们可能会因为声音素材品质不佳、讲话彼此互相搭到、太过小声….等原因，导致辨识出错误的内容或是用字，但也没关系，点两下逐字稿中想要修改的段落，就可以在跳出的菜单中选择「编辑」进行修改。
▲ 觉得有需要调整的地方也可以自行修改
辨识不同讲者
vocol.ai 在辨识逐字稿的过程中也会分辨哪一句话是谁讲的，然后把不同的句子对应到讲话的人，所以会在逐字稿中看到「讲话者 1」、「讲话者 2」等字样，让我们可以更容易了解谁说了些什么。
▲ 分辨讲者更容易看出是谁在说话
就我目前的测试，至少到第七位讲话者都还可以辨识得出来，而且每一位讲者都会用不同颜色的线条表示，在内容很多的情况下比较好一眼就找到、辨别不同的说话者。
▲ 目前测试至少可以支持 7 名讲者
如果还想要更容易辨识的话，直接把「讲话者」改为真实的对象名称就好了，这样如果有刚参与项目的同事或是朋友之间就在讨论事情，就不用担心不知道是谁在说话了。
▲ 讲者的名称也可以自行调整
多种语言辨识
vocol.ai 可以针对影片、录音档内不同的语音进行辨识，基本的国语、英语和日语就不说了，这几种语言对于 vocol.ai 在处理逐字稿上几乎是没有什么太大的问题。
▲ vocol.ai 辨识英语
甚至对话包含中、英文夹杂的状况也都可以顺利辨识，就像下面这样，在逐字稿里面就会同时显示中文以及英文两种不同的内容。
▲ vocol.ai 辨识中英语夹杂
另外，因为许多台湾人习惯说台语，今天如果录音的场合是大家都习惯说台语的会议、讨论上，其他的语音转文本系统可能很难处理，vocol.ai 就没有问题。
我也简短的测试了一下，是真的可以辨识出来，不过要注意的是，台语的说法跟国语还是会有落差，像是下面这个「补给够」是台语「补嘎搞」的直翻，国语可能就会讲「补足」，会有这类的差别需要注意。
▲ vocol.ai 台语也能辨识
然后来试试看广东话，这是我在网络上找到的一段香港 YouTuber 的街访影片开头，丢到 vocol.ai 去转文本，没想到竟然也可以正确辨识。
▲ vocol.ai 广东话也能辨识
AI 生成重点
在上面的几张截屏中你应该也有看到，vocol.ai 在生成完逐字稿以后，还会透过 AI 语言模型，把逐字稿的内容整理出重点显示在左半边的部分，而且如果内容完整清晰的话，可以分段，并且指出每一段的时间从什么时候开始、什么时候结束。
虽然在上传文件时可以先勾选产生 AI 分析摘要，但我有时我在上传的时候会刻意先不开启 AI 自动产生摘要的功能，就是下面这个开关先不打开。
我会先产出逐字稿，确认好内容再点击「运行智能分析」产出 AI 分析摘要。
这也是我觉得很棒的一点，因为我通常习惯先确认好逐字稿内容，确认没有要修改再做 AI 重点摘要，因为如果我有针对逐字稿进行修改的话，这样做可以确保我的摘要会跟逐字稿内容是同步的，省去我对照内容的时间。
另外，录音的内容如果一次说了好多不同的主题，vocol.ai 也会帮你把不同的主题分门别类的抓出来，你可以从「主题」标签页中看到 vocol.ai 帮你整理的主题项目，点一下任何一个项目，右边的逐字稿就会反黄，方便我们可以快速找到。
团队协作平台
团队协作功能是我觉得 vocol.ai 很棒的一项特色，不仅仅是你可以自己在上面完成工作，你还可以邀请同事一起参与，直接在 vocol.ai 的平台上，针对生成的内容进行讨论，评论。
无论是自己还是被邀请的对象，除了可以浏览逐字稿内容、摘要内容以外，还可以针对有疑虑的地方，直接留下评论，然后在评论区中进行讨论或是交流。
然后我看 vocol.ai 官网的方案内容说明，在未来还会加入新的 Starter 和 Pro 方案，可以使用像是重点标示、权限设置、团队管理、使用分析….等更多项目团队用户专属且工作上必须使用到的功能。
vocol.ai 可以用在哪里？
下面这边我想要实际带大家来体验看看各种不同使用 vocol.ai 的情境，透过情境的方式，我想大家应该更可以体会 vocol.ai 语音转文本有哪些可以发挥的地方。
课堂纪录整理
现在很多人都会在课堂上把老师教的内容记录下来，甚至有些笔记 App 也有提供录音功能，但就是纯录音，也没办法转成文本，后续要做笔记的时候还是要从头开始听，甚至你有想要听的内容，但是你根本不知道这个内容出现在几分几秒，要像是瞎子摸象那样一直在播放器中寻找。
但是利用 vocol.ai，你只需要把影片、录音档上传。
如果内容很多也没关系，上传完以后你可以先做自己的事情，等到逐字稿生成完毕会发送通知给你，蛮贴心的功能，不用在那痴痴的等。
但要特别注意的是，上传单个音档最高限制是 180 分钟！
如果你刚好没有带到录音笔、手机空间不够、快没电的情况下，你也可以直接透过 volco.ai 提供的录音功能录下要转逐字稿的内容。
但因为这是透过内置浏览器来进行录音，所以还是要注意一下浏览器的设置，避免因为没有跟网页有交互时进入休眠状态让录音被迫停止，以我的经验来说，我常用 Google Chrome，所以会习惯去「设置」→「性能」→把信任的网站加入菜单中。此外，我也会同时关闭内存节省模式。
无论是透过 vocol.ai 直接录音或是上传音档，当逐字稿产生完毕后，你就可以从逐字稿中透过搜索的方式，快速找到你想要找的重点，之后再把所有的内容好好整理一下，会比从头重新听过再来整理还要有效率。
想听哪一段的内容直接点击文本就可以直接切换过去，不用在一整段语音中盲目寻找要听的目标内容。
这里也要特别提一下，其实 vocol.ai 也有针对逐字稿、评论讨论的关键字搜索工具，不过我觉得那比较适用有好多段对话的情况，搜索工具会引导你去有包含这个关键字的对话、章节或是讨论串。
但是像我上面那样，课堂上只有老师一个人批哩啪啦在讲的情况，vocol.ai 的关键字搜索反而没那么好用，因为他不会引导你去这个字实际出现的地方，而是把有提到这个字的对话整段抓出来，等于是老师整段讲的话都被标出来了，那就没有意义了，所以像这种情况还是改用浏览器内置的搜索工具比较好。
还是要说一下，逐字稿真的很好用，大家一定要会善用，毕竟在信息的世界，文本是很重要的传播媒介啊。
会议纪录整理
vocol.ai 也很适合拿来做会议记录，做会后的数据整理，搭配 vocol.ai 可以分辨不同讲者的特色，可以在逐字稿中很容易了解到谁说了哪些内容。
而且包含这样一来一回的对话，甚至有时候有抢话的状况，vocol.ai 都还是分辨得很清楚，没有混在一起、搭在一起。
另外像这个情境，就可以使用上面提过的关键字搜索工具，找出哪些对话里面有我们想要了解的关键字内容。
如果可以使用 vocol.ai 的工具还是比较好，毕竟这个可以直接让画面只显示我们搜索的关键字对话，更容易聚焦在结果上。
另外还有一种会议记录，可能就是大家开会的时候随手录下来的，这种当然也可以使用 vocol.ai 来做会后的逐字稿整理。
可是你会发现这里面明明就很多人都有发言，但是在逐字稿中却都只辨识成一个讲者，不像上面那样可以辨识成两个人，还能一来一往很流畅，句子也不会搭在一起。
主要还是因为声音品质的关系。
像这个会议记录的影片文件，因为大家声音都不是非常清晰，有些讲得也很模糊，所以 vocol.ai 在判断上就会有很大难度去准确的辨识，而这个影片的情况还算好，逐字稿中有 8 成的内容都有抓到，只是没有分辨讲者罢了。
毕竟 AI 也不是万能，素材的品质越好，能够提供的内容就越完整，这点大家一定要记得。
用翻译快速看懂国外采访纪录
刚好在这段时间，我们有机会受德国在台协会邀请做一个小访问，主题是关于 9 月要在德国柏林举办的 IFA 展览，而我们也录下了采访的内容，然后透过 vocol.ai 来帮我们做事后的整理。
一样可以透过 AI 生成的重点先了解一下整段访问的内容，然后再针对逐字稿的内容去做整理或是进一步的利用。
这边就要提到 vocol.ai 七月刚上线的翻译功能！
简单来说，这功能是能够让你在生成逐字稿之后进行翻译。完成逐字稿翻译后，点击该语系就能对照原始语系，而且就算你点击特定区段的翻译版本逐字稿，语音也会同步，也能留下评论。
这对想要学习语言的人来说，就像是学习平台一样方便。
除了在平台上跨语系协作，也能下载各种翻译版本逐字稿。支持的格式有 txt 和 srt 这两种。
逐字稿翻译功能甚至支持 20 种以上的语系，但需要注意的是翻译版本无法被编辑喔！
我认为这对于需要开跨国会议的人非常有帮助，例如有时候跟日本客户开会时，他们偏好使用日文，但对于不懂日文的我们，如果需要知道内容细节，就需要口译帮忙，但有时候口译也会省略一些内容，这就会造成信息落差，如果能掌握到所有细节，其实就能避免这种状况。
vocol.ai 也是好用的多人协作平台
上面的案例中，你可以发现我主要是以个人使用的情境在体验 vocol.ai 的功能，谈到 vocol.ai 如何帮助我们更好的处理语音的事情。
但其实 vocol.ai 不仅仅是对自己有帮助，对于团队协作都是有帮助的，这都是借助 vocol.ai 的协作平台功能。
换个立场，今天你不是会议的参与者，但你是团队的一员
你不一定要亲自参与每一场的会议，但是你可以在会议结束以后，让与会的同事透过 vocol.ai 平台的「分享文件」功能把你邀请进 vocol.ai 的协作平台。
收到邀请后会有 Email 的通知，而且可以在媒体库中清楚的辨识哪些是受他人邀请参与的项目，哪些是自己的项目。
直接在平台中留下针对内容的建议
身为受邀者虽然目前还不能编辑逐字稿的内容，但是可以针对逐字稿或是语音的段落给予意见，然后再由项目的拥有者根据大家的回馈进行修改。
可以选择任何一段的逐字稿或是语音段落，然后留下「评论」，这样在同一个项目底下的其他参与者，就可以看到彼此的评论内容。
其他人只要点击讨论区中你所留下的评论，就会被引导到你选起来的对话或是章节，你也不用再跟大家说「请看 XX 分 XX 秒的地方」，把时间跟精力专注在真正要聚焦的内容上吧。
所以无论你是主要参与会议的人、只需要知道会议上讨论了些什么的人，或者你是一个项目管理的角色，你都可以利用 vocol.ai 协作平台的共享逐字稿（包括原始逐字稿跟多语系翻译版本）与 AI 重点整理的功能，查看整场会议的全貌或重点、甚至给予评论。
而且上面说到的这些评论都会即时显示，大家可以花个 10 分钟 20 分钟一起在在线透过 vocol.ai 来完成会议后续的确认工作。
也能直接用 vocol.ai 录制在线会议
此外，vocol.ai 还可以化身为一个机器人加入 Google Meet 或 Microsoft Team 的视频会议中，把会议的内容自动记录下来，再自动丢回 vocol.ai 的平台中分析、产出逐字稿。不过要注意的是，目前使用机器人自动录音有六十分钟限制。
接着你只要从个人后台首页中的「邀请 Google/Team 会议录音机器人」选项的「加入会议」功能操作。
然后粘贴会议的链接，让 vocol.ai 可以向会议送出加入的邀请。
在会议端就会收到有 vocol.ai 机器人要加入会议的通知，允许加入以后，vocol.ai 就会开始对会议的内容进行录音。
当会议结束后，vocol.ai 机器人就会自动把录制的内容丢回系统，你可以在后台中看到 meeting 的文件，这就是刚刚录制的会议内容。
接着后面产生 AI 摘要、逐字稿的功能就跟前面介绍过的一样。
透过这个方式，在团队开会、远程视频会议时，就不用另外录像、取得录像档然后再上传，这些有的没的工作就直接让 vocol.ai 来处理，处理完还能直接生成会议重点摘要与逐字稿，多方便。
vocol.ai 平台：语音转多语系逐字稿，让工作变得更有效率
回归到最原始的需求，我们之所以需要一款好用的语音转文本工具，就是因为现在很多东西都讲求数字化，而数字与我们之间最重要的沟通方式就是文本了。
透过 vocol.ai 的语音转文本功能，我们可以很方便又快速的把落落长的课堂录音、会议记录、采访内容在几分钟内就转成多语系文本，让我们后续可以做更多应用。
vocol.ai 提供了 AI 摘要功能以及分享逐字稿功能，可以加快工作的流程以及协作的顺畅度，利用 AI 摘要先快速了解内容后，在针对逐字稿的细项内容去修正、讨论与调整。