即時語音轉寫

這個工具做什麼

即時語音轉寫會在你說話的同時把語音變成文字。點擊「開始」，對著麥克風說話，每說完一句、稍作停頓，這句話就會出現在轉寫結果裡。用法類似聽寫或語音輸入，但語音辨識完全在瀏覽器裡執行：不用註冊帳號，沒有伺服器，音訊也不會離開你的電腦。

辨識模型是 Moonshine，由 Useful Sensors 發布的開源語音辨識模型，專為即時、在裝置本機轉寫而設計。它處理短句很快，正適合一句一句地轉寫。本工具透過 Transformers.js 和 ONNX Runtime Web 執行它：瀏覽器支援 WebGPU 時用顯示卡，否則用 WebAssembly。

本工具只支援英語。

使用方法

1. 選擇模型。Base 較準確；Tiny 較小，在較慢的電腦上更快。
2. 點擊「下載模型並開始」。模型只下載一次（Base 約 120 MB，Tiny 約 50 MB），接著瀏覽器會請求麥克風權限，請選擇允許。
3. 正常說話。音量條顯示輸入音量，偵測到說話時變成綠色。你一停頓，這段話就會交給模型，文字作為新的一行出現。
4. 點擊「停止」釋放麥克風。再次點擊「開始」可以繼續，時間戳會接著之前的時間計算。
5. 用「複製」或「下載 .txt」保存轉寫結果，或用「清除」重新開始。把「排列順序」設為「倒序（最新在上）」，最新一句就會一直顯示在最上面；複製和下載也按同樣的順序。

範例

開啟時間戳時，一段簡短的英語口述筆記如下：

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

關閉時間戳則得到純文字行，可以直接貼到郵件、文件或筆記應用程式裡。

調整語音偵測

一個簡單的語音活動偵測器根據麥克風音量判斷一句話從哪裡開始、到哪裡結束。它由三個設定控制：

• 語音閾值：聲音要多大才算說話。如果背景噪音讓音量條一直是綠色，就選更「吵雜」的檔位；如果輕聲說話被漏掉，就選更靈敏的檔位。
• 斷句停頓：安靜多久後才轉寫這段話。停頓越短出結果越快；越長則越能把整句話保持在一起。
• 單行最長：把很長的連續講話切開，即使你一直不停頓，轉寫也會持續更新。

這些設定在下次點擊「開始」時生效。模型選擇和時間戳開關會保存在頁面網址裡，可以加入書籤或分享你常用的設定；轉寫內容本身永遠不會放進連結。

模型、授權與限制

本工具使用 onnx-community/moonshine-base-ONNX 或 onnx-community/moonshine-tiny-ONNX，即英語 Moonshine 模型的 ONNX 版本，採用 MIT 授權；Transformers.js 採用 Apache-2.0 授權。離麥克風較近、單人清楚說話時效果最好；人名、罕見詞和口音較重的語音可能辨識錯誤，標點也是模型推測的。如果要轉寫錄好的音訊檔，請使用「語音轉文字」工具。