文／沈彥霖
筆者是一位主業為音樂表演、副業為電腦教學的視障者，大約從 8 年前開始，AI 工具就已經悄悄地在我的生活中出現。先是 AI 去除人聲工具、AI 混音工具、AI 聊天機器人等等。這幾年，可以說是 AI 工具瘋狂發展的最佳時刻。想一想，你的生活是不是也已經被 AI 填滿了呢？
Whisper 登場
Whisper AI 是一款先進的自動語音辨識（ASR）系統，由 OpenAI 開發，也就是 ChatGPT 和 DALL-E 背後同一個團隊。與傳統的轉錄工具不同，Whisper AI 是開放原始碼、可免費使用，並能轉錄跨語言的語音，支援多達 99 種語言。
現在是一個資訊爆炸的時代，各種影音媒體的資訊量越來越大。以前，人們可以花許多時間看完一部長影片，而現在，若能把長影片看完，那可說是一件不容易的事，畢竟想學的東西太多了。該如何善用工具？AI 工具的出現，正好解決了現代人的這項需求。
我在高中時聽過一個視障者能從事的工作類型叫作「聽打」。簡單來說，就是將音訊檔案透過聆聽與理解後，再於電腦上輸入成文字。當時厲害的聽打員處理出的文本，閱讀起來那叫做一個舒服。當然，這些聽打人員也需要接受語言、文書、工作效率等各方面的訓練。而現在，只要學會使用 Whisper 這套工具，你也可以讓閱讀與理解資訊變得更加容易且有效率。
玩 AI 工具對電腦的要求
在你準備開始學習這套軟體，或者要開始使用任何 AI 離線工具前，必須先確認電腦規格是否足夠。以下列出筆者所知道的需求：
- 顯示卡：至少 NVIDIA GTX 2050 以上
- 記憶體：至少 16GB
- 硬碟：建議使用固態硬碟（SSD）
- 處理器：可優先選擇為 AI 筆電打造的處理器，例如 Intel 的 Intel Core Ultra 系列，這是 Intel 為 AI PC 趨勢打造的新一代處理器。它把 CPU、GPU、NPU／AI 加速器整合在一起，讓筆電可同時處理傳統運算、多媒體與 AI 任務。
當然，若預算允許，加購獨立顯示卡，性能會差非常多。
在你準備往下閱讀到軟體下載的教學之前，筆者建議：可以先在沒有 AI 規格的電腦上試試看。若真的有興趣，再考慮購買也不遲。
軟體下載
Whisper 原本是透過 CMD（命令提示字元）操作的介面，不過後續也推出了視窗版，也就是可以用 Tab 或方向鍵操作的版本。本系列教學即以此視窗版作為主要操作環境。
以下將進行 Whisper 主程式與語音模型的下載。
Whisper 主程式下載
請使用你的瀏覽器，打開以下連結：
Whisper 主程式下載
進入網站後，若使用 NVDA，請先按 Ctrl + Home 回到頁面最上方，再使用單鍵瀏覽英文字母 H 找到「Version」開頭的位置，這裡是 Whisper 的版本號（不確定是否會持續更新）。
接著，按英文字母 K 找到 WhisperDesktop.zip，按 Enter 即可下載。
下載完成後，請到儲存下載檔案的位置，找到剛下載的壓縮檔，按右鍵開啟功能表，選擇「解壓縮全部」或「解壓縮到 XXX」（XXX 為壓縮檔名稱）。
備註：Whisper 的壓縮檔若直接解壓縮到目前資料夾，檔案會散落在同一層，因此建議解壓縮到專屬資料夾。
Whisper 語音模型下載
Whisper 必須依賴語音模型檔，才能將我們輸入的聲音檔進行文字轉換。語音模型檔有不同大小，筆者使用一段時間後的建議如下：
- 若只是單一語言的轉換 → 推薦 ggml-medium（中模型）
- 若需要較高準確度與多語言轉換 → 推薦 ggml-large（大模型）
不同模型大小會影響推理速度與資源消耗，請依需求選擇。
本次教學將以中模型進行說明，後續也會提到如何切換模型。
進到網頁後，可使用單鍵瀏覽英文字母 K 找到 ggml-medium.bin 連結，按 Enter 進入後，再按字母 K 找到 download 連結，即可下載。
備註：此網頁提供多種類型的模型，而每種類型又包含多個獨立模型。若要快速找到中模型，可用以下方法：
- 開啟模型下載網頁並確認 NVDA 處於「瀏覽模式」。若不確定，可按 NVDA +空白鍵 切換，聽到「嘟」一聲代表正處於瀏覽模式。
- 按 Ctrl + Home 回到網頁最上方。
- 按 NVDA + Ctrl + F 開啟搜尋框，貼上：ggml-medium.bin
- 按 Enter，即可直接跳到中模型下載點，按 Enter 點開即可依照後續指示下載。
最後，建議各位讀者將下載回來的模型與 Whisper 主程式放在同一個資料夾，以利後續操作與模型瀏覽。關於如何使用，我們將在下一篇繼續說明。