最近 Gemini 加入了音訊檔案的分析功能之後，每個人現在都能直接利用 Gemini，來免費將錄音轉成逐字稿，不用再靠其他 App，而且轉錄速度還非常快，我測試約 20 分鐘的音訊檔，1 分鐘左右就完成，這真的很讚。另外我也有測試字幕部分，雖然可以生成我要求字幕格式，但時間部分只有前面幾秒對，後面都跑掉了。
Gemini 也能將錄音檔免費轉成逐字稿，20 分鐘內容 1 分鐘就轉完
Gemini 的錄音檔轉逐字稿功能，免費版和付費版都能使用，不過長度限制和上下文不太一樣
- 免費：每次上傳最多 10 分鐘、上下文只有 32K tokens
- Pro / Ultra：每次上傳最多 3 小時，上下文達 1M tokens
上下文長度不僅能生成更長的逐字稿，也會影響轉文字後的處理深度。音訊檔也有檔案上限，目前是 100MB。
使用方式也很簡單，打開 Gemini 並登入你的 Google 帳號後，上傳錄音檔，並下提示詞就會開始轉錄了。我用的提示詞很簡單：
請幫我生成完整的繁體中文逐字稿
接著 Gemini 就會開始轉錄，10 分鐘內錄音檔基本上 1 分內就會完成，速度很快：
當你獲得完整逐字稿之後，就可以開始跟 Gemini 聊天你想要了解的內容。像是類似跟 ChatGPT 的錄音模式一樣，獲得這次逐字稿內容的重點摘要。網路上已經有人破解並分享 ChatGPT 錄音模式使用的提示詞，如果你想要獲得幾乎一樣的回答，可以拷貝過來試試看：
還有像是開完會後，你可能會想知道接下來該準備什麼，也能這樣直接問它：
不過要注意是，畢竟是透過 AI 轉錄，就跟 OpenAI 的 Whisper 一樣，有些地方可能還是會發生內容漏掉、重複轉錄的情況，因此轉錄完後，建議一定要自己全部閱讀一遍。
我也有測試生成字幕檔，轉錄內容要加上我指定的時間戳格式，下方是我給的提示詞：
雖然 Gemini 正確生成出指定格式，但很可惜還是失敗了，前幾秒的字幕和時間都對，但之後的時間就錯了，字幕都會比較快跑出來，甚至有一些內容沒轉錄到，由此可見現階段還沒辦法產生有時間戳的字幕：
如果你不知道可以怎麼詢問 Gemini，以下幾個常見用法分享給你：
- 摘要與重點整理：整理要點、關鍵句、章節大綱，快速掌握訪談／會議／課程重點。
- 各種決議：從錄音檔找出代辦事項、決策、後續負責人等（很適合用於會議記錄）。
- 內容問答（查找特定片段）：直接問「關於 X 有提到什麼？」，或是要求標出提到某主題的段落／時間點。
除此之外，你還可以要求 Gemini 輸出帶「Speaker 1／2…」的說話者標記，方便後續整理，不過取決於錄音檔的品質，如果太差，有可能無法辨識出。
