語(yǔ)音轉(zhuǎn)文字軟件測(cè)評(píng)
測(cè)評(píng)的軟件
1. Word的謄寫功能
2. 開源離線軟件Buzz的tinny、small、medium模型
3. Adobe Primiere Pro 2024的語(yǔ)音轉(zhuǎn)字幕功能
4. 微軟語(yǔ)音轉(zhuǎn)文字功能（Win+Ctrl+L快捷鍵開啟）
評(píng)測(cè)結(jié)果分析和說(shuō)明
1. 網(wǎng)絡(luò)方面：
Buzz的Whisper模型是離線的，微軟的字幕功能也是離線的，二者都無(wú)需網(wǎng)絡(luò)即可實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)文字
2. 費(fèi)用方面:
Buzz是開源免費(fèi)的、微軟的字幕功能是自帶的（快捷鍵Win+Ctrl+L即可開啟）
Word的謄寫功能目前是免費(fèi)的、PR是訂閱制的
3. 導(dǎo)出方面：
除了微軟的字幕功能是不能導(dǎo)出，其他都是可以導(dǎo)出的而且是支持時(shí)間戳功能的。
但是微軟的Win11可以啟用聽寫功能（快捷鍵：Win+H）可以輸出位文本【這個(gè)功能其實(shí)是微軟的語(yǔ)音輸入法】
4. 準(zhǔn)確率和效率方面：
a.評(píng)測(cè)的結(jié)果可以忽略音樂(lè)部分（準(zhǔn)確率一言難盡呀），此外畢竟正經(jīng)人誰(shuí)會(huì)音樂(lè)轉(zhuǎn)文字呀，字幕網(wǎng)上都有得搜索。
b.日常的會(huì)議、視頻等方面，Buzz的模型的漏字情況都是比較少的，對(duì)于難以識(shí)別的音頻Buzz會(huì)用同音字來(lái)代替。
其他軟件，就是聽不懂、識(shí)別不了就會(huì)跳過(guò)那種。
5.推薦：
Win11的字幕功能可以實(shí)現(xiàn)實(shí)時(shí)字幕而且無(wú)需聯(lián)網(wǎng)（最推薦），但是就是不支持導(dǎo)出
Buzz的Medium準(zhǔn)確率表現(xiàn)最為出色，但是耗時(shí)差強(qiáng)人意。
Word和PR的功能，表現(xiàn)差不多，但是Word打開速度更快一點(diǎn)，而且是常用辦公軟件，筆者更加傾向的使Word的謄寫功能
測(cè)評(píng)的內(nèi)容
周杰倫的歌曲：告白氣球
嗶哩嗶哩的視頻（BV1i24y1Q7u3）
測(cè)評(píng)結(jié)果
準(zhǔn)確率：
歌曲方面，幾款軟件的識(shí)別率不高，可能是周董的音樂(lè)辭藻華麗冷僻點(diǎn)了。
其中Buzz模型 > Word > 微軟自帶 > PR
先給出原文：
?[00:23.560]塞納河畔 ?左岸的咖啡
?[00:26.280]我手一杯 ?品嘗你的美
?[00:29.270]留下唇印的嘴
?[00:34.080]花店玫瑰 ?名字寫錯(cuò)誰(shuí)
?[00:36.800]告白氣球 ?風(fēng)吹到對(duì)街
?[00:39.860]微笑在天上飛
?[00:44.030]你說(shuō)你有點(diǎn)難追
?[00:46.660]想讓我知難而退
?[00:49.320]禮物不需挑最貴
?[00:51.530]只要香榭的落葉
?[00:54.480]喔～營(yíng)造浪漫的約會(huì)
?[00:56.810]不害怕搞砸一切
?[00:59.560]擁有你就擁有 ?全世界
?[01:04.940]親愛的 ?愛上你 ?從那天起
?[01:11.290]甜蜜的很輕易
?[01:15.610]親愛的 ?別任性 ?你的眼睛
?[01:22.000]在說(shuō)我愿意Buzz的內(nèi)容比較完整，基本沒(méi)有出現(xiàn)漏字的情況,準(zhǔn)確在評(píng)測(cè)的軟件中算是比較高的
下面是結(jié)果：
?小白
?像那般 酸辣的咖啡
?我舀一杯 感受你的美
?留下春陰的嘴
?花點(diǎn)玫瑰 名字寫錯(cuò)
?誰(shuí) 告白接受 風(fēng)吹都對(duì)
?微笑 踩點(diǎn)傷悲
?你說(shuō)你有點(diǎn)難追
?想讓我真的而退
?禮物不需挑最貴
?只要香鮮的落葉
?營(yíng)造浪漫的約會(huì)
?不害怕搞砸一切
?永遠(yuǎn)你就擁有 全世界
?親愛的 愛上你
?從那天起 甜蜜的痕跡
?親愛的 別忍心
?你的眼睛 在說(shuō)我愿意下面是Word的結(jié)果：
?00:00:25
?微博上一杯張你的美，留下唇印的嘴。
?00:00:35
?因此寫錯(cuò)誰(shuí)告白氣球風(fēng)吹到對(duì)街。
?00:00:40
?在你身邊？
?00:00:45
?有點(diǎn)難追，想讓我真的。
?00:00:49
?我不懸，挑最貴，只要香榭的。
?00:00:53
?落葉都蘊(yùn)藏浪漫的約會(huì)能不害怕。
?00:00:59
?一切。
?00:01:01
?不要。
?00:01:04
?親愛的，愛上你。
?00:01:13
?痕跡。
?00:01:49
?抓了。下面是微軟的語(yǔ)音轉(zhuǎn)文字的結(jié)果，漏字的情況也相當(dāng)嚴(yán)重：
PR識(shí)別歌曲的結(jié)果是最離譜，這都不是歌曲了：
下面是截取的一小段：
?00:00:23:09 - 00:01:20:17
?未知
?那么這個(gè)時(shí)候你找你的你如果真的追不回來(lái)，那么你自己說(shuō)追的吧，就不追的對(duì)也為在前邊的。你說(shuō)，有的男人想讓我真的對(duì)你我不想要這一輩子，只要小了，我也可以走浪漫的，也可能我霸道的一直用你的擁有著時(shí)間去愛，讓愛上你從那天起就沒(méi)有人去去愛，讓別人去愛你的人。
日常視頻方面，這是語(yǔ)音轉(zhuǎn)文字的正常工作內(nèi)容
這幾款軟件的功能都比較強(qiáng)大,做實(shí)時(shí)翻譯的話，Win11的字幕功能是最好的，Buzz因?yàn)槭请x線模型專有名詞可能會(huì)差一點(diǎn)
下面給出測(cè)評(píng)的結(jié)果：
Buzz的medium模型：
?1
?00:00:00,000 --> 00:00:04,080
?今天介紹的Buzz是一個(gè)能夠大幅減輕錄制影片后
?2
?00:00:04,080 --> 00:00:07,000
?制作字幕時(shí)間的語(yǔ)音識(shí)別工具
?3
?00:00:07,000 --> 00:00:10,920
?它的底層是使用來(lái)自O(shè)penAI公司的Whisper模型
?4
?00:00:10,920 --> 00:00:12,960
?OpenAI是一家美國(guó)公司
?5
?00:00:12,960 --> 00:00:15,880
?它的創(chuàng)始人之一正是Twitter的新老板
?6
?00:00:15,880 --> 00:00:16,920
?Elon Musk
?7
?00:00:16,920 --> 00:00:18,320
?在今天的影片里面
?8
?00:00:18,320 --> 00:00:20,400
?會(huì)來(lái)介紹Buzz的使用方法
?9
?00:00:20,400 --> 00:00:23,760
?并且再跟簡(jiǎn)硬的智能字幕來(lái)做比較
?10
?00:00:23,760 --> 00:00:25,760
?最后再介紹字幕編輯工具
?11
?00:00:25,760 --> 00:00:28,360
?Subtitle Editor使用Whisper的步驟
?12
?00:00:28,360 --> 00:00:29,960
?Buzz的安裝非常簡(jiǎn)單
?13
?00:00:29,960 --> 00:00:33,640
?只要找到Buzz在GitHub上面的網(wǎng)址以后
?14
?00:00:33,640 --> 00:00:35,760
?點(diǎn)擊右方的Releases
?15
?00:00:35,760 --> 00:00:39,400
?在Releases里面找到你的作業(yè)系統(tǒng)對(duì)應(yīng)的安裝檔
?16
?00:00:39,400 --> 00:00:43,200
?并且執(zhí)行以后就可以很順利的把它安裝起來(lái)了
?17
?00:00:43,200 --> 00:00:45,080
?它的操作也非常的簡(jiǎn)單
?18
?00:00:45,080 --> 00:00:47,360
?啟動(dòng)以后就會(huì)是轉(zhuǎn)錄的畫面
?19
?00:00:47,360 --> 00:00:50,200
?在這邊你可以馬上使用你的麥克風(fēng)
?20
?00:00:50,200 --> 00:00:53,400
?它就會(huì)把你的錄音直接就轉(zhuǎn)成文字
Buzz的tinny模型：
?1
?00:00:00,000 --> 00:00:04,080
?今天介紹的法史是一個(gè)能夠大幅減輕錄制影片后
?2
?00:00:04,080 --> 00:00:07,040
?制作字幕時(shí)間的語(yǔ)音視別工具
?3
?00:00:07,040 --> 00:00:11,000
?他的底層是使用來(lái)自O(shè)ppen AI公司的FishPermotion
?4
?00:00:11,000 --> 00:00:13,040
?Oppen AI是一家美國(guó)公司
?5
?00:00:13,040 --> 00:00:15,960
?他的創(chuàng)始人之一正式推特的新老板
?6
?00:00:15,960 --> 00:00:16,960
?一龍馬斯克
?7
?00:00:16,960 --> 00:00:18,320
?在今天影片里面
?8
?00:00:18,320 --> 00:00:20,440
?會(huì)來(lái)介紹法史的使用方法
?9
?00:00:20,440 --> 00:00:23,800
?并且再跟檢驗(yàn)的智能字幕來(lái)做比較
Word的謄寫功能:
?00:00:00
?今天介紹的boss是一個(gè)能夠大幅減輕錄制影片后制作植物時(shí)間的語(yǔ)音識(shí)別工具。它的底層是使用來(lái)自open AI公司的模型。open AI是一家美國(guó)公司，它的創(chuàng)始人之一正是Twitter的新老板伊隆馬斯克在今天的影片里面會(huì)來(lái)介紹Buds的使用。
?00:00:20
?方法，并且在跟檢驗(yàn)的智能字幕來(lái)做比較。最后再介紹字幕編輯工具使用的步驟。的安裝非常簡(jiǎn)單，只要找到在GitHub上面的網(wǎng)址以后，點(diǎn)擊右方的with the release里面找到你的作業(yè)系統(tǒng)對(duì)應(yīng)的安裝檔，并且執(zhí)行以后就可以很順利的。
?00:00:42
?把它安裝起來(lái)了，他的操作也非常的簡(jiǎn)單，啟動(dòng)以后呢，就會(huì)是轉(zhuǎn)入的畫面，在這邊你可以馬上使用你的麥克風(fēng)，他就會(huì)把你的錄音直接就轉(zhuǎn)成了文字，只要點(diǎn)擊這個(gè)richer就可以了，等他這邊出現(xiàn)了秒數(shù)以后，你就可以開始錄音，并且他就及時(shí)。
PR的字幕功能：
?00:00:00:01 - 00:00:23:22
?未知
?今天介紹的Bus是一個(gè)能夠大幅減輕錄制。影片后，制作字幕時(shí)間的語(yǔ)音識(shí)別工具，它的底層是使用來(lái)自O(shè)pen公司的Future模型，OpenTable是一家美國(guó)公司它的創(chuàng)始人之一，正式推出的新老板伊隆馬斯克在今天的影片里面會(huì)介紹Box的使用方法，并且在跟檢驗(yàn)的智能字幕來(lái)做比較。
?00:00:23:22 - 00:01:02:10
?未知
?最后在介紹字幕編輯工具Completed的使用Twister的步驟大致的安裝非常簡(jiǎn)單，只要找到大師在GitHub上面的網(wǎng)址以后，編輯右方的Release意思在Messages里面找到你的作業(yè)系統(tǒng)對(duì)應(yīng)的安裝等，并且執(zhí)行以后就可以很順利的把它安裝起來(lái)了。它的操作也非常的簡(jiǎn)單啟動(dòng)以后就會(huì)轉(zhuǎn)入的畫面在這邊你可以馬上使用你的麥克風(fēng)，它就會(huì)把你的錄音直接就轉(zhuǎn)成了文字，只要點(diǎn)擊這個(gè)Record就可以了等它這邊出現(xiàn)的描述以后，你就可以開始錄音，并且它就及時(shí)的轉(zhuǎn)錄，因?yàn)槲覀儸F(xiàn)在是要測(cè)試
2.效率：
筆者沒(méi)有記錄準(zhǔn)確的時(shí)間，但是大略說(shuō)，Win11的字幕功能是最快的（畢竟人家主打的功能是實(shí)時(shí)字幕嘛），其次Word、PR、Buzz的tinny模型不分上下、Buzz的small模型稍微落后、medium是耗時(shí)最久的
