會議語音轉文字、逐字稿，該用哪個AI工具？免費、付費功能比較|經理人

時光倒流到 2023 年初，全世界都驚愕於橫空出世的 ChatGPT，忙著討論 AI 將會如何影響百工百業的發展；當時面對 AI 對於文字工作者的潛在威脅，身為一名採訪者的我置若罔聞，反而把全副目光放在一款 AI 逐字稿軟體——Good Tape 上。

比起尚不成熟、仍需摸索如何使用的 ChatGPT，這款 AI 逐字稿軟體，可說是立刻拯救採訪者於水深火熱之中。

台灣人工智慧實驗室於 2018 年推出的「雅婷逐字稿」一度在中文逐字稿工具中一騎絕塵，其按照錄音時長收費，正確率卻是差強人意，可惜過往採訪者們沒有其他選擇，要不乖乖付費再自行修整，不然就是從零開始人工聽打，花費極長的時間繕打逐字稿。遲遲無法解決逐字稿問題的採訪者們，一直在等待一款正確率足夠高的軟體，而 Good Tape 閃亮登場，成為我們期待已久的救世主。

回到現在，Good Tape 已經面世超過一年半，ChatGPT、Meta LLama 等模型在這段時間不斷更新版本，性能以倍數、甚至指數成長。AI 業界的迭代革新何等快速，那既有的 AI 逐字稿軟體是否有進步？採訪者們現在是否有更豐富、更優質的 AI 逐字稿軟體可供選擇？

本文將一次實測 3 款運用 AI 技術支援的逐字稿軟體，一起重新開箱 Good Tape、雅婷逐字稿，檢視這段時間它們的成長，並加入生力軍 Vocol.ai。分析標準以「採訪撰稿需求」為主，除了要求基礎的正確率、可以處理中英夾雜（最好還有臺語）之外；由於採訪時經常出現多位受訪者或講者的情況，因此「講者辨別」的功能也是十分重要的評選標準。

Good Tape：介面簡潔、功能單一，專為記者設計

Good Tape 是我目前最習慣使用的逐字稿軟體，其母公司為丹麥網路新聞媒體 Zetland，是一款專門為記者設計的服務，介面簡潔、功能單一，全副心力都放在「生成逐字稿」這項功能。

Good Tape 背後技術為 OpenAI 的 Whisper，可辨識語言種類超過 100 種。成功上傳檔案後可以指定語言，我習慣選 Chinese（Taiwan）；即使選擇特定語言，中間若有穿插其他語言（如英文段落、單字等）依然可以正確辨識。然而 2024 下半年以來，Good Tape 很容易在逐字稿中段突然轉換成簡體字，目前尚未解決。

上傳檔案不太會出現問題，付費版的生成速度滿快的，一小時的音檔在 5 到 10 分鐘可以完成轉錄，轉錄過程中也會即時更新，可以隨時跟進逐字稿的進度。

一年多來，Good Tape 更新了部分新功能，包含講者辨別、手動修改與調整每行的文字量等。目前體感講者辨別的正確率不高，經常在同一講者說話時出現 Other Speaker，或是將不同講者識別為同一講者等等，期待後續調整與修正。

其中我最有感，並且覺得非常聰明的策略調整就是——Good Tape 把「人機協作」考量到設計中，盡量方便使用者修改內容。由於目前 AI 依然沒辦法完全正確辨別語音內容，因此 Good Tape 設計了十分直覺且方便的人工編輯功能，除了能夠「搜尋與取代」，一次處理專有名詞的修正；在確認特定段落內容時，只要點選該字句就會觸發「Play from word」，直接播放對應的音檔內容，方便重新聽打修正。

Good Tape 目前沒有標點符號，撰稿時我習慣手動修整受訪者的贅字、微調語序與重新斷句等，此時便會重新加上標點，因此沒有標點符號意外地稱不上缺點。

免費會員：每月可以生成三份逐字稿，每份音檔不得長於 30 分鐘，無法使用「講者辨別」功能，等待時間較長。

付費會員：€13.75/月。每月轉錄音檔 20 小時，不限制每份音檔長度，等待時間較短。

雅婷逐字稿：急起直追，臺語辨識獨此一家

由 Taiwan AI Labs 研發的臺灣老牌語音辨識軟體，甫推出時引起轟動，卻因為正確率較低，後來遭到 Good Tape 碾壓。近兩年聽說 Taiwan AI Labs 引入大量訓練資料，成功提升正確率，本次回鍋實測確實比印象中優秀非常多。

這次試用發現，雅婷逐字稿成為三者之中「講者辨別」功能最強的，依然會有少數誤判，但大多數正確無誤；標點符號斷句也是三者之中最優秀的。經過實測，雅婷逐字稿主打的「臺語辨識」整體正確率依然待加強，細看辨識成果卻是滿驚豔的。例如「四界看（sì-kè khuànn）」一詞，在 Good Tape 中被辨識為「四個看」，雅婷逐字稿可以成功認出正確翻譯「四處看看」。

缺點方面，逐字稿生成速度較慢，一小時的音檔約需 20 分鐘左右。判斷阿拉伯數字、國字呈現時有點問題，例如「一個」是臺灣人經常出現的贅字，雅婷逐字稿經常將其辨識為「1個」，另外，有時會出現掉字，也無法調整段落長度，這幾個問題會導致逐字稿不太容易閱讀，略微影響撰稿效率。

雅婷逐字稿與 Good Tape 相同，設有編輯功能，修改時也會自動播放對應的音檔段落。但是檢視模式與編輯模式之間的切換速度較慢，同樣會稍微影響使用體驗。

整體而言，相比 2018 年，雅婷逐字稿的辨識進步非常非常多，製作逐字稿的能力還不錯，講者辨識、臺語辨識功能更是強過其他兩款軟體，然而介面與設計上，一些小型阻礙會影響使用意願。

免費使用：首次使用贈送 300 分鐘。

購買時數：NT$160/ 1 小時。

Vocol.ai：配合 AI 摘要、分析功能，適合會議紀錄

相比 Good Tpae 與雅婷逐字稿，Vocol.ai 著重在「生成逐字稿」本身。由犀動智能推出的 Vocol.ai 定位是「一站式 AI 語音協作平台」，目標著重在團隊內部的協作、會議紀錄等，因此，其 AI 的運用模式更加豐富，功能也更多元。

主打的「AI 分析」功能包含音檔內容摘要與列出段落主題，以及列出會議中的待辦事項，並且進行後續的進度追蹤。由於出去採訪時都會做筆記，對我來說，AI 摘要與分析功能不算特別實用，但可以想像對於 Vocol.ai 的目標場景（會議記錄）來說，應該是滿直觀方便的。

回到生成逐字稿本身的性能，Vocol.ai 的生成速度跟 Good Tape 差不多，一小時的音檔在 5 至 10 分鐘內可以完成，正確率不低、附有標點符號。要注意的是，目前實測判斷 Vocol.ai 不太擅長辨認吵雜環境中的對話，相同音檔丟入 Good Tape、雅婷逐字稿，內容正確率不一，但兩者都能生成完整度達到八成至九成的逐字稿，Vocol.ai 卻連內容都無法生成。此外，Vocol.ai 功能較多導致介面壓縮，逐字稿編輯與「Play from word」功能較不方便。

免費會員：完成簡訊認證後，每月可獲得 60V-points。

單次購買：16 美元/300V-points、36 美元/800 V-points。

訂閱會員：一個月 11 美元/300V-points、25 美元/800 V-points。

另提供企業客製化報價。

這 3 款 AI 逐字稿軟體，該怎麼選？

在乾淨、易辨識的音檔中，目前三款軟體的正確率已經不相上下。平常會夾雜中文之間使用的 debug、AI、feedback 或 API 等，均可正確辨識；但專有名詞如 ChatGPT、No-code 或品牌名稱等詞語，則都需要人工手動調整。

	Good Tape	雅婷逐字稿	Vocol.ai
生成速度	●●●	●●○	●●●
使用體驗	●●●	●●○	●●○
安靜環境辨識	●●●	●●●	●●●
吵雜環境辨識	●●●	●●○	●○○
臺語辨識	●○○	●●○	●○○
講者辨別功能	●●○	●●●	●●○
CP值	●●●	●○○	●●○

綜合考量價格、性能與使用體驗之後，目前還是以 Good Tape 為優先。身為採訪者，每月需要生成多個逐字稿並進行編輯、修正，目前還是傾向使用介面簡單清楚、功能齊備的 Good Tape；例外是進行「全臺語」採訪，則別無選擇，必須使用雅婷逐字稿來辨識。

目前三款軟體的附加功能、付費模式都在逐步調整中，未來會持續追蹤它們的進步。私心期待雅婷逐字稿能夠提高使用體驗，讓採訪者未來有更多選擇！

（本文出自「未來商務」。）

談起「正新橡膠工業」，旗下品牌「瑪吉斯輪胎」（Maxxis）可說家喻戶曉。正新集團作為台灣輪胎製造業的巨擘，自 1976 年創立以來，正新始終堅持品質與顧客導向，將產品銷往全球逾 180 國，並獲《富比士》與台灣十大國際品牌等多項肯定。

目前，正新集團有22,000名員工，在全球擁有11個生產基地、多個研發中心，據點遍布台灣、中國大陸、印度、印尼、越南與泰國等地。面對市場變化與客戶需求，早在 2015 年，正新便啟動工業 4.0，導入自動化、AI 與關燈工廠，包括引入自動化檢測系統，以提升產品良率、避免人類誤差，以及運用AI視覺技術，進行輪胎氣泡的瑕疵檢測；同時也推動數位轉型，致力提升同仁數位素養，強化跨國據點的營運整合與管理效率。

不僅選品質更注重永續價值正新善用科技與工具增進溝通效率

也因為正新期待透過加速轉型，增加營運效率及迎戰更多全球市場上挑戰，所以能否找到理念契合又技術領先的科技夥伴，是轉型過程中關鍵的一環，而 Logitech 就是一個例子。

「其實我們和 Logitech 是一拍即合！」正新橡膠工業資訊長陳柏嘉笑說。他向來樂於嘗試新科技，雖然公司曾使用過他牌視訊系統，但實際體驗 Logitech 的產品後，發現無論是收音、攝影到整體視訊呈現，Logitech 整合效果更佳，因此很快便決定導入。「工欲善其事，必先利其器。我們的文化就是選最能幫助同仁的好工具，決定了就立刻執行。」

正新與 Logitech 的合作不僅限於技術層面，更因雙方對「永續」的共同理念而深化。正新推動工業 4.0，透過高效視訊系統減少碳足跡；Logitech 則從包裝減量、回收材質到提升能源效率，致力打造環境友善產品。理念契合，促使雙方快速建立信任。「當發現 Logitech 不只方案好，更重視環境責任，就知道這是值得長期合作的夥伴。」陳柏嘉說。

走進正新的幾間會議室，即可見多款 Logitech 商用視訊設備，包括 Rally Bar Mini 全功能視訊系統、Tap 觸控螢幕控制器、Sight AI 桌面攝影機與 Scribe AI 白板攝影機。其中，Rally Bar Mini 專為 6 至 12 人的中型會議室設計，搭載 AI 智能鏡頭，能強化自動取景與追蹤發言者，結合低失真揚聲器與波束成形麥克風，打造音視俱佳的沉浸式會議體驗，並全面支援 Google Meet、Microsoft Teams、Zoom 等主流平台。

正新xLogitech
透過 Logitech Sight AI 智能鏡頭，自動取景與追蹤發言者，讓遠距會議無距離感。

正新 x Logitech

其中，AI 驅動的 Sight AI 全景桌面攝影機，正是專為混合辦公設計，搭載雙 4K 鏡頭與 315 度超廣角視野，AI 智能構圖、準確捕捉與會者的聲音、表情與肢體動作，確保每位參與者都能被看見、被聽見。另一款 Scribe AI 白板攝影機則解決傳統鏡像困擾，一鍵即可將白板內容清晰呈現在視訊會議中，並透過內建 AI 人像虛化技術，更能讓簡報者「隱形」，避免遮擋重點，確保遠端與會者完整掌握會議內容。而外型簡約的 Tap 觸控螢幕控制器，提供直覺操作介面，使用者只需輕觸一鍵，即可快速啟動會議。

Logitech視訊會議系統助力跨國協作提升效率與生產力

由於正新生產基地、研發中心遍布世界各地，同仁每周都需要召開多場跨國會議。過去，為避免跨時區、多人參與會議時發生斷訊或設備問題，正新經常安排 IT 技術人員駐點支援，耗時又耗力；但自從導入 Logitech 視訊會議系統後，這些問題已大幅改善，不僅大幅減輕 IT 負擔，也讓員工擁有更順暢、優質的會議體驗。系統在提升工作效率之餘，也讓員工參與遠距會議更便捷，減少通勤往返、降低碳排放，兼顧「永續」的全球趨勢。

Logitech 作為正新邁向數位轉型的策略夥伴，特別觀察到，正新能屹立近 60 年的一大關鍵，是持續超前部署與勇於創新，積極轉型不受限。像是導入 Logitech 的視訊會議方案後，有別於傳產的固定座位，正新也開始幫同仁配備筆電、整合 Logitech 視訊會議帳號與周邊設備，提升攜帶與使用的彈性與便利性。此外，高階主管親自體驗後，也驚訝於整套系統在影像清晰度、音訊穩定性與多平台整合上的表現，進一步強化經營團隊持續導入新工具、深耕數位轉型的信心。「正新是傳產的數位轉型先驅，和一般對製造業的印象很不一樣。」

這份對創新的執著，也延伸到核心產品研發。瑪吉斯 T-Razr 智慧輪胎可自動偵測路況，並即時調整胎體強化抓地力，榮獲 2020 義大利 A’DESIGN AWARD 國際設計大獎，是正新在智慧輪胎與創新研發上的重要里程碑。

陳柏嘉對研發創新的熱情，也延伸到辦公選品上。他相信，好的工具能激發更高的效率與創造力。因此在與 Logitech 合作後，也選用了 MX 高階商務鍵鼠系列，不僅著重設計與手感，更重視無線連接、感應精準與長效續航等細節。「從這些體驗中，我看見辦公設備的進化潛力，也期待未來的協作工具能持續突破、帶來更多可能性。」