新年期間到深圳拜年和遊玩，到訪了我好喜歡的「順電」家品店。可能大陸的網購太盛行，每次來訪店內都不太多人。不過人不多更好，可以一個人享受偌大的空間。有些店大到可以有咖啡室，累了坐坐休息一下也 OK！
AI Speech to text 工具： Plaud
當中我最喜歡看的是電腦週邊產品 Gadget 。每次去到都有一些新發現。好多產品的造工和設計都很國際化，不再是十幾廿年前的山寨廠的「下欄」設計款式。
今次吸引我的是 Plaud AI 會議紀錄機，可以認出過百種語言，然後可以即時轉錄會議內容。價錢也不貴，只賣人民幣 1100 左右。如果用來做日常商務用途，這是極親民的價錢，更可以切實地省下許多行政和工作時間。
聲音轉文字的工具介紹：
各間 AI 大廠都會有推出自家的 Speech to text (STT) 模組：
- Google Speech to text
- Amazon Transcribe
- 最出名的應該是 Open AI 的開源工具： Whisper
- 可以參考 GitHub 內的詳情和參數；
- 當中已經有超過 680,000 hrs 的訓練，而有1/3 的樣本是來自非英語內容；
- 香港常用的廣東話，普通話和英文 Whisper 都可以支持。當然你要越精確的話， Whisper 的模型就要更大，當然也更需要電腦的算力；
當然，使用開源最優點是免費，又可以自行調較用量和用法，但需要一定技術和足夠的運算力。如果你需要就一些機密資料和對話作轉錄，那使用開源，本地化部署就是不二選擇。
但一般用戶，比如學生上課抄筆記，工作時會議紀錄等等，使用現有的工具其實更划算，更節省時間。
一些現有 Whisper 工具推介 （需要付費）：
- Whisper AI
- Mac Whisper (曾經用過免費版本，英文效果不錯，廣東話就建議使用付費版本）
重要： 一般用戶的電腦大部分都未能快速地轉錄聲音，特別是長時間的錄音，花費的時間會更長。 我可以給一個參考： 曾經我有一段 60 分鐘的訪問， 使用本地電腦需要等同的時間去給 AI 分析轉成文字。 用戶必要衡量：
- 內容是否機要
- 當中有沒有含有個人隱私等資訊 （如學歷、病歷等）
- 平衡處理時間
再決定是否要把聲訊檔案放上去雲端作處理。
可否自己做一個 STT 聲音轉文字的工具？
自從做了 AI 的諮詢和顧問的工作，原來不少人對轉錄文字有很大需求。有人問可否做一隻類似的工具來賺錢？😅
我自己覺得當用來體驗和試玩 Vibe Coding 練練手，或者理解 AI 工作原理沒有問題。但不要打算用來變成大生意。一來市場上已有不少相當優秀的產品，二來面對大陸市場競爭，它們產品已經好價廉物美，在香港做開發和硬體真的好難去競爭。第三，我估計日後各大 AI 品牌都會把 Speech to text / text to image / text to video 等功能玩得淋漓盡致，留給獨立公司的位置真的不多。
若果大家喜歡這種生活化又講到 AI 的題材內容，歡迎留言話我知。✅
