從一個 mp3 開始：Soundwise.AI的第一步
最近工作上會議不少，近日想整理手邊留下了一堆檔名像「25_12_15_12_32_47_955.mp3」的錄音，但每次要重聽一小時再做筆記，根本撐不到半場就開始分心。於是開始找「不用安裝、直接在瀏覽器就能用」的轉錄工具，最後選了都在本機跑、不把音檔丟到伺服器的 Soundwise.AI。
第一次丟檔上去的時候，其實有點半信半疑：打開網站、把 mp3 拉進中間的框框，畫面上就開始跑進度條，過幾分鐘後文字一路冒出來，還幫我分好時間段、顯示像「00:09:48」這樣的時間標記，點那一句就直接跳回原音檔對應的位置回放，省掉來回切播放器的痛苦。
免費方案，已提供「不限長度、不限次數」，唯一限制是速度會依照你自己電腦的效能來決定。 以我那台日常工作筆電來說，一小時的課程錄音，大概十來分鐘內就能轉完；如果同時還在跑 Excel、開幾個重網頁，轉錄時間就會再拉長一點，這也就是價格頁上把 Free 方案特別標註成「處理速度較慢」的原因。
P.S 用高速電腦，例如R9 5900X，8分鐘可以轉45分鐘的音訊。改用Intel 5 120u gpu
語音辨識方面，只要錄音品質還行（雜音不多、講話清楚），繁體中文的準確度相當可以，多數句子幾乎不需要大改，主要修正都集中在專有名詞跟口頭禪。像截圖裡課堂上有人說的「所以你看這些科技公司大黨」這種口語句，Soundwise.AI 幾乎完整抓到，後面只要把破句修順、把多餘的語助詞刪掉就能直接拿來用。
最後端出Perplexity作交棒，讓逐字稿變成可讀文章
有了 Soundwise 產出的逐字稿之後，下一步就是把「完整但很口語」的稿子變成「讀起來順的文章」。這裡就輪到 Perplexity 出場：先把 Soundwise.AI 的文字整段複製出來（可以選擇只貼自己已經校正好的部份），丟進 Perplexity，說明這是某堂課或會議的逐字稿，請它幫我整理成條理清楚、段落分明、保留重點內容的 Blog 草稿。
Perplexity 的優點在於，它不只是改語氣、調整用字，而是會試著看懂整段內容邏輯，幫你重新分章節、抓重點，自動整理成截圖那種「開場與近況更新」的小標題段落，既保留真實感，又比原始逐字稿好讀很多。 此外，它會附上引用來源，若中間提到特定公司或技術名詞，還可以順手補幾句背景說明，讓 Blog 讀者更容易跟上。
兩個工具搭配的工作流程：
實際跑了幾輪之後，大致形成一個固定的工作流程，分享給一樣有大量錄音要處理的人參考：
用手機或電腦錄下整場課程／會議，檔名最好像你第一張圖那樣加上日期時間，方便對應。
回到電腦後，把 mp3 丟進 Soundwise.AI ，等待轉錄完成，順手在介面內修正明顯的錯字與分段問題。
把整理過的文字複製到 Perplexity，說明用途（例如「要寫成部落格心得」、「要整理成會議紀錄」），請它幫忙潤稿、加小標、濃縮重點。
最後再由自己做一次人工確認，把真正想說的觀點與補充加入文章裡，順便挑選像你這次截圖裡的畫面插圖，讓整篇更有現場感。
這樣組合下來，Soundwise.AI 負責把「聲音變文字」，Perplexity 則是把「文字變內容」。前者節省了聽打時間、後者則幫忙跨過「看到滿滿逐字稿卻不知道從哪裡開始寫」的門檻，大概從前期錄音到最後 Blog 發佈，整體時間可以壓縮到原本的一半甚至更少。
使用後的幾點小心得
用了一段時間，對這組搭配有幾個特別有感的地方。首先，Soundwise.AI 完全在瀏覽器上跑、不需要登入就能開始轉錄，而且官方聲明是「免費不限次數」，對一般上班族來說幾乎沒有入門門檻。 其次，Perplexity 的優勢在於善用即時網路資料與多模型架構，能在整理逐字稿的同時幫你補齊背景資訊，比單純的文案潤飾工具多了一層「研究助理」的感覺。
當然，兩個工具都不是「按一下就完美出稿」的魔法：錄音品質不好、講話本身就很發散的內容，最後還是需要人工重新組織；但如果你習慣像我這樣邊講邊思考、事後再整理，那麼「Soundwise.AI + Perplexity」這套組合，確實讓從聲音到文章的距離近了非常多，也讓那些原本只存在錄音檔裡的好內容，有機會真正變成對外可以分享的文字記錄。
小編自己的體驗，希望沒浪費到妳我他時間，哈
沒有留言:
張貼留言