現在網路上真的越來越多語音轉文字工具，除了幾週前我們介紹的 Gemini，近日又發現到這款「TransPocket」，不僅完全免費用，使用的還是知名 Whisper 最新模型，而且不只是上傳錄音檔、直接錄音，連 YouTube 轉錄也支援，意味著可以直接貼上 YouTube 影片將內容轉成文字，轉錄速度非常快。
TransPocket 語音轉文字線上工具介紹與操作教學
TransPocket 是一個標榜完全免費的語音／影片轉文字工具，利用 Whisper 模型將音檔或 YouTube 影片裡的內容，快速轉成文字，介面操作簡單，註冊後就能使用，每日有 120 分鐘額度，絕對夠絕大多數人的需求。除了支援多國語言轉錄，還可以辨識不同講話者，可輸出成有時間戳的字幕格式。目前提供的模型有 Whisper Large‐v3 以及 Turbo，你可以根據需求來選擇。
不過我試用後有幾個小缺點，首先是中文，目前僅支援轉錄成簡體中文，後續還需要透過簡轉繁或 AI 工具，來變成繁體。其次是轉錄後的文字沒有標點符號，這兩個部分我是都丟給 ChatGPT 處理，要求 ChatGPT 幫我內容加上標點符號，以及轉成繁體。
主要特色
- 完全免費
- 支援多種格式（MP3、MP4、WAV、M4A 等）
- 可直接處理 YouTube 影片
- 能辨識講話者
- 可輸出成 DOCX、SRT、VTT、CSV 等格式
按上方連結進到 TransPocket 後，點畫面中的 START FREE：
接著需要註冊帳號，提供 Google 帳號快速登入：
登入後就會進到後台，功能表位於右上方，有錄製音頻、上傳、導入三個：
錄製音頻就是錄音，錄製完後就會直接進行轉換：
上傳文件支援非常多格式，除了有音訊的 MP3、WAV、AAC 等這些，還提供影片格式如 MP4、WebM 等等。你可以設定要使用的模型，我個人建議用 Large-v3，雖然處理時間比 Turbo 長，但準確度高一些，我測試即便是快 10 分鐘的內容，Large-v3 也在短短 1~2 分鐘就轉錄完成，速度很快。目標語言還支援英文、日文、韓文等，如果你的內容是多人說話，可以設定說話人數：
導入就是從 YouTube 匯入，將影片網址貼上，一樣能設定模型、語言和說話人數：
我匯入阿達的 YouTube 影片，首先它會在背景先下載這部，然後再開始轉錄：
狀態顯示已完成，就代表轉錄好了，按一下文件名稱來打開：
轉錄結果如下，每一段都會標示說話人和內容，可以按上方的播放鍵來聆聽轉錄的內容對不對。從下圖可以看到，內容是簡體，也沒有任何標點符號，閱讀起來很困難：
我的話是將內容全部複製，然後要求 ChatGPT “轉成繁體中文，並於文字間加入適當的標點符號，以方便閱讀。格式不要變，文字也要一模一樣，不要自行添加或刪除內容“。ChatGPT 改完後，內容就變得很容易閱讀了：
右上角導出功能，可以將文字輸出成不同格式，包括 SRT 字幕：
字幕檔有時間戳，也會移除說話人：
每日有 120 分鐘用量，左下角會統計已經用了多少：
