近期有會議紀錄的需求，研究了多家錄音筆與錄音卡片感覺都不是很符合自己的需求。於是開始動手製作語音轉文字的應用，會議中我一定會有電腦，用電腦內建的錄音就可以滿足我的需求，接著「如何把語音轉文字呢」？
嘗試使用過Google Speech-to-text AI，應用其教程以及UI介面試一下跑出來的效果，發覺在中文的轉換詞彙與錯次很多，甚至寫出讓人看不懂的詞彙，且計價方式是使用分鐘計價，對於長時間的會議記綠需求成本非常高，另外看了AWS的Transcribe也是用分鐘計價，並且沒有免費額度，於是果斷放棄使用現成的API。
最後我找到open AI的開源軟體「Ｗhisper」，雖然要自己建立一些基礎建設，然而，用Whisper跑出來的效果很好，又可以產生標點符號與每句話的時間，於是就決定是它了。
我的目標是把功能寫成網頁應用分享給其它人用，期望做到網頁「錄音->寫成逐字稿->重點摘要」，生成式的出現讓這些功能的實現變得非常簡單，以下是我用到的技術。
錄音Media Recorder API
首先是錄音功能，用Web API 「MediaRecorder」就可直接做到，但需要注意音檔的格式，由於Whisper只能吃特定的格式，因此還需要做到轉檔。
轉檔FFmpeg
說到轉檔不能不提到開源軟體FFmpeg了，無論是影片、聲音轉檔它都是很好用的工具。
語音轉文字
本篇的重點「語音轉文字」，就使用Whisper來幫我們做到。先是嘗試使用Whisper看看效果，直接去到它的Github頁面把軟體跑起來，得出來的結果很讓人滿意。
製作摘要
摘要的部分就要用大家最耳熟能詳的ChatGPT啦，直接串API非常快速，品質很好費用也不會太高。
這些應用全部串起來就變成一個非常好用的工具，它能幫助製作會議紀錄節省巨量的時間。未來期待把它做成商業應用，用少少的費用讓用戶能夠使用到方便的功能。
喜歡運用科技工具提升工作效率、並自主開發實用小工具的長時間使用電腦工作者。對新科技工具深感興趣，樂於分享如何運用科技工具提升生活和工作效率的技巧。
