免費開源的語音辨識功能：Cloudflare Workers AI + Whisper
更新於 發佈於 閱讀時間約 1 分鐘
本篇要解決的問題
之前寫過二篇開源的語音辨識功能：
免費開源的語音辨識功能：Google Colab + Whisper large v3
免費開源的語音辨識功能：Google Colab + Faster Whisper
這篇算是第三篇，是這幾天想調整一下 Cloudflare 上的設定時，看到有多了 Workers AI 的功能，點一點後意外發現的。
原本很開心的以為終於有個好操作的免費版可以使用，但實際使用時，發現 Workers AI 對檔案大小有限制，而且是超過 2MB 就會直接跳「AiError」不給辨識。
不能超過 2MB 的檔案？
想了一想，應該就只有短影音之類的了，所以覺得用 Workers AI 來語音辨識好像不怎麼實用。
只是都已經研究出使用方式了，就還是整理為本篇筆記文，期待以後會再放寬檔案大小的限制。
註冊 Cloudflare 帳號
Cloudflare 是佛心來的，免費帳號就可以擁有很多功能，包含今天這篇 Workers AI。
進到官方網站後，點右上角的「註冊」按鈕，就可以免費註冊：
https://www.cloudflare.com/zh-tw
開通 Speech to Text App 功能
註冊成功後，左側選單點擊「AI > Workers AI」，接著右側點擊「從 Worker 範本建立」：
方格子太難建立文章了，尤其是圖片無法直接用網址嵌入，懶得花時間搬，請直接看原文：
https://www.letswrite.tw/cloudflare-workers-ai-whisper/
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
還記得我們之前介紹過「【Google Colab Python系列】 初探Whisper: 來一段Youtube影片進行語音辨識吧！」這套語音辨識引擎， 那為什麼我們又要教這一套? 因為我們也可以將whisper的模型轉換成onnx的格式， 輕鬆移植到各種平台， 且效能更佳。
語音辨識的熱門組件之
本文主要使用SpeechRecognition來做一個簡單的語音辨識，使用pyqt5介面呈現。
按下Start Recording，開始錄音，並顯示請開始說話。然後按鈕名改名Stop
在按下Stop Recording，稍等片刻後就會呈現出辨識結果
程式範例
import sys
i
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
合成聲音技術的未來充滿希望，也存在挑戰。OpenAI呼籲社會各界一起加強對這一新興技術的認識，並共同探索如何有效地利用這項技術，同時保護公眾免受潛在的負面影響。
之前有寫過一篇 《AI工具│透過AI整合的語音功能 Murf》，近期使用過之後，隨著ChatGPT與相關AI普及之後，新的自動生成網站與工具變得多元了起來。
大多會使用在影片製作中，若缺少的素材，或是想要呈現事件及詼諧感的時候，會加入片段人聲去做效果。
於是決定，統整一下自己最近常用的4個AI語
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
本文介紹如何設置OpenAI API密鑰並使用Whisper API轉寫音訊檔案。文章詳細說明了轉寫單個音訊檔案，以及將長音訊分割並轉寫的過程。透過範例演示，讀者可以學習如何將音訊轉寫為文字，提高工作效率。
要如何做到無須任何額外訓練樣本就能做到"跨語言"的語音生成，這聽起來很不可思議對吧? 但這就是本篇論文取得的成就，不僅如此，該有的功能，如調整情感，口音節奏，停頓語調這些功能也不在話下。跟著我一起用探秘還有獨立思考的眼光來分析這篇論文，這會是很有趣的旅程。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
還記得我們之前介紹過「【Google Colab Python系列】 初探Whisper: 來一段Youtube影片進行語音辨識吧！」這套語音辨識引擎， 那為什麼我們又要教這一套? 因為我們也可以將whisper的模型轉換成onnx的格式， 輕鬆移植到各種平台， 且效能更佳。
語音辨識的熱門組件之
本文主要使用SpeechRecognition來做一個簡單的語音辨識，使用pyqt5介面呈現。
按下Start Recording，開始錄音，並顯示請開始說話。然後按鈕名改名Stop
在按下Stop Recording，稍等片刻後就會呈現出辨識結果
程式範例
import sys
i
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
合成聲音技術的未來充滿希望，也存在挑戰。OpenAI呼籲社會各界一起加強對這一新興技術的認識，並共同探索如何有效地利用這項技術，同時保護公眾免受潛在的負面影響。
之前有寫過一篇 《AI工具│透過AI整合的語音功能 Murf》，近期使用過之後，隨著ChatGPT與相關AI普及之後，新的自動生成網站與工具變得多元了起來。
大多會使用在影片製作中，若缺少的素材，或是想要呈現事件及詼諧感的時候，會加入片段人聲去做效果。
於是決定，統整一下自己最近常用的4個AI語
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
本文介紹如何設置OpenAI API密鑰並使用Whisper API轉寫音訊檔案。文章詳細說明了轉寫單個音訊檔案，以及將長音訊分割並轉寫的過程。透過範例演示，讀者可以學習如何將音訊轉寫為文字，提高工作效率。
要如何做到無須任何額外訓練樣本就能做到"跨語言"的語音生成，這聽起來很不可思議對吧? 但這就是本篇論文取得的成就，不僅如此，該有的功能，如調整情感，口音節奏，停頓語調這些功能也不在話下。跟著我一起用探秘還有獨立思考的眼光來分析這篇論文，這會是很有趣的旅程。