以往好多朋友都希望 YouTube 影片，或者錄音檔案可以轉成文字稿。其實坊間都有不少轉錄文字的程式。但今次介紹的 Google Gemini 神功能，就是能夠直接將錄音檔案轉成文字稿，而且能輸出你喜歡的語言，更可即時應用 AI 總結、找重點、問問題等。不論免費版或者 Pro 版，你都可以應用本教學介紹的語音轉錄功能。
▲不靠 YouTube 字幕功能，只要你的影片有聲，就可轉錄成文字稿，對於沒有內置 CC 字幕的影片都同樣有效
會議/課堂錄音懶得由頭再聽？Gemini 幫你 1 分鐘內轉 20 分鐘內容做文字
語音轉錄，最常用的情景就是記錄會議內容、訪談資料，又或者同學們上課記錄老師授課內容，轉錄功能可將語音檔案的內容，轉換成為文字，可給你用作往後其他用途。轉錄功能除了解決逐字稿撰寫的工作外，AI 更可為你重點摘要、查找特定片段，更可轉換出各式報告。對上班族、學生、創作者而言，都是極好用的功能。
今次我們就先介紹下，將 YouTube 影片轉錄成文字稿。如果你已經有錄音檔案，可跳過，直接去看 Gemini 語音轉錄功能的介紹。
(雖然我們的 YouTube 影片都有字幕，但今次僅作示範用途。)
將無字幕 YouTube 影片轉錄逐字稿
雖然 YouTube 字幕功能已很普遍，但總會有些影片是無字幕提供的。這時候，可用本教學的方法來製作逐字稿。我們先將影片的音訊內容下載到你的電腦／手機。
▲點擊影片的「分享」功能，複製影片的網址
連上 yt1z.net 等這類網站，將影片網址貼上，便可以下載這段影片的聲音檔案。這個聲音檔案將留作 Google Gemini 處理之用。
▲在轉換網站貼上網址，便可得到聲音檔案。但請留意影片版權，避免侵犯他人著作權。
用 Gemini 將錄音轉成逐字稿
使用 Gemini 轉錄錄音的整體流程簡單，但香港用戶要使用 Gemini，必需通過 VPN 連線（連接香港以外的 VPN 伺服器）才可使用。
當你用了 VPN 連上 Google Gemini，就可上傳音訊檔案。上傳後，你可在提示詞欄位輸入「請為我將聲音檔案生成完整的文字稿」（你可根據需要，自由更改這句提示詞）。
Gemini 在不到 1 分鐘的時間內，便成功完成轉錄，並呈現清晰的中文逐字內容。這種速度與準確度，對於需要快速掌握會議、課堂或採訪內容的人來說，是一大助力。我們這次測試的 YouTube 影片聲音檔案，都可順利轉錄成中文文字稿。
不只是逐字稿：內容摘要與問答也難不倒 Gemini
完成轉錄後，Gemini 並不僅止於提供原始文字，還能繼續進行更深入的分析。例如你可輸入提示詞：「請幫我列出逐字稿的內容摘要與重點」。Gemini 回應的內容，彙整重要章節與關鍵語句，依照內容主題分類出數個要點，使得整體資訊一目了然。這個功能適合需要撰寫會議紀錄，又或者課堂後想整理學習筆記的用家。
例如我這次測試的影片，是一段開箱 iPhone 的影片，Gemini 便會為我總結影片內出現的內容。
更進階應用：向影片內容發出問題
除了基本的逐字稿與問答應用外，你更可透過 Gemini 詢問關於影片／錄音內容。例如這次我們的影片是關於 iPhone 開箱的內容。你就可直接問：「主持人覺得 iPhone 17 Pro Max 最大優點是甚麼」，Gemini 便會為你找出你需要的內容，並以文字段落或列點表示。對學習中的同學仔來說，此功能讓你可在一大段課堂內容中，找出你想復習的內容。對於工作人士來說，也可從冗長會議記錄中，找出你關心的話題。
請留意免費與付費版本的差異
之前提過免費版 Gemini 都可用到文字轉錄功能，但是免費版與 Pro/Ultra 版用戶的使用限制都有所不同。：
- 免費帳戶：每次最多上傳 10 分鐘的音訊，檔案大小限制為 100MB，上下文處理上限為 32K tokens。
- Pro / Ultra 用戶：可處理長達 3 小時的錄音，上下文支援高達 1M tokens，能進行更深入與完整的語意分析。
總結：Gemini 會是你的錄音筆記幫手
Gemini 的錄音轉逐字稿功能是一項相當實用的 AI 工具，能協助用戶快速完成文字轉錄，更能進一步分析重點、整理摘要、進行互動式問答。可惜我是目前 Gemini 未能生成正確的字幕檔（生成後時間會亂作一團），我們期待 Google 可繼續完善這個功能。
