播客逐字稿 AI Podcast Transcriber，本機轉錄加雲端摘要

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

在 GitHub 上搜播客轉錄，你很可能會遇到 wendy7756 的 podcast-transcriber：README 寫得完整、畫面截圖漂亮、Apache 2.0 開源、248 顆星，看起來就是一個可以直接自架的播客逐字稿工具。但這個倉庫有件事很少被提起：它的全部提交共 33 筆，功能性的改動停在 2025 年 9 月 1 日，之後唯一的一筆提交只改了 README。同一個作者在這個倉庫成立後第六天，另外開了一個 AI-Video-Transcriber，截至 2026 年 8 月已經累積 3,215 顆星，而且這個月還在持續推送。作者的商業產品 sipsip.ai 首頁上那句「超過 2,900 位開發者給我們的開源核心按過星」，連結指的也是新倉庫。

Pin

這不代表 podcast-transcriber 不能用。它是一個結構極簡的全端網頁應用：貼上播客連結，音訊在你自己的機器上轉成逐字稿，再呼叫你自己設定的 OpenAI 相容 API 做潤稿與摘要。整個後端就是一支 Express 伺服器加一支 Python 腳本，一個下午讀得完。只是在你決定把主力押上去之前，先把它和新倉庫的關係、資料怎麼流、平台支援到哪裡看清楚，會省掉不少冤枉路。

同一個作者的兩個倉庫，先分清楚誰是現役

兩個倉庫的關係用一張表看得最清楚。舊倉庫做播客，新倉庫把範圍擴到影片與播客，而且補掉了舊版最卡人的幾個缺口：

新倉庫的能力清單來自它自己的 README 宣稱；但兩邊的星數、提交時間與 sipsip.ai 的連結指向，都是倉庫頁面上可以直接查證的事實。換句話說，如果你要的是一個持續維護、支援平台廣、模型可以在畫面上換的自架轉錄系統，我們先前介紹過的 AI Video Transcriber 是比較合理的選擇。那 podcast-transcriber 還剩什麼價值？它的定位變得很明確：一套只做播客、體積小、你可以在一個下午讀完全部原始碼再決定要不要信任的自架起點。對想拿它當 Whisper 實作範本、或只想處理 RSS 播客源的人，這個極簡反而是優點。

它實際做什麼：四種輸入，三個輸出分頁

操作流程很單純。在網頁上貼連結，來源接受四種：Apple Podcasts 的節目頁、小宇宙的單集頁、任何標準 RSS 播客源，或直接的音訊檔網址（MP3、M4A、WAV、AAC、OGG、WMA 都行）。接著選兩個語言：音訊語言可以自動偵測或手動指定十種，摘要輸出語言有中文、英文、西班牙文、法文、德文五種。操作類型二選一：「轉錄並總結」或「僅轉錄」。處理時頁面要開著，進度用伺服器推送事件即時更新，完成後結果分三個分頁呈現：逐字稿、摘要，以及當摘要語言與偵測到的語言不同時自動產生的翻譯。

Pin

逐字稿出來之後還有一道整理，這是它與裸用 Whisper 最大的差別。README 對這道整理的說明是：修掉錯字與斷句、把多餘的語氣詞清掉、段落之間補上銜接，同時保留說話者的語言與表達習慣，不翻譯、不添加原文沒有的內容。這些承諾實際兌現到什麼程度，取決於你接的模型與設定，工具本身並不保證。

資料流拆兩層看：音訊不出機器，文字走你的 API

「本地轉錄」這四個字很容易被讀成「資料不出我的機器」，對照 server 目錄下的三支核心檔，實際的資料流要拆成兩層看。第一層是音訊：伺服器把音訊檔下載到本機的暫存目錄，交給 Faster-Whisper 轉錄，這一步確實不出機器，而且呼叫方式寫得非常死，是直接執行專案根目錄下 venv 裡的 Python。第二層是文字：逐字稿出來之後，程式把全文送給你在 .env 設定的 OpenAI 相容端點，模型名直接寫在程式裡，排版潤稿用 gpt-3.5-turbo，連續性優化與摘要用 gpt-4，條件翻譯用 gpt-4o。

最反直覺的一點藏在操作類型裡。你以為選「僅轉錄」就完全不碰雲端，但在單檔處理路徑上，逐字稿轉出來之後，程式照樣會把全文送去做排版潤稿，嘗試三次都失敗才保留原文，而且失敗前每次都要等上幾秒。想把全文留在本機，得靠一條繞路：金鑰整行不設的話，伺服器在啟動階段就會報錯，正確做法是把金鑰留成範本裡的佔位字串，讓每次雲端呼叫都被拒絕，程式才會退回原始逐字稿。這條路在程式結構上成立，官方文件並不把它當功能。另外摘要有一道寫死的天花板：程式註明 GPT-4 約 8,000 token 的上下文限制，超過 6,000 字的逐字稿會先分段處理再組合，兩小時以上的長節目拿到的是拼接出來的摘要，對完整度的預期要先打折扣。

檔案的去向也值得知道。音訊檔在處理結束後會被程式自動刪掉，但逐字稿與摘要是以 Markdown 檔的形態存進伺服器的暫存資料夾，沒有自動清理機制，會一直累積。潤稿成功時，原始逐字稿會先另存成一份備份檔，再把你看到的那份覆蓋成潤稿後的版本，所以事後要比對機器原稿與潤稿稿是做得到的。要留意的點在於：列出與下載這些檔案的兩支端點同樣不需要任何認證，只要能連到你的伺服器，就能翻看你產出過的每一份逐字稿。處理敏感內容的話，用完手動清空暫存資料夾是必要習慣。

授權方面倒是乾淨。LICENSE 檔是標準的 Apache 2.0 全文（附錄的年份欄位沒填，所以 GitHub 把它標成無法辨識的授權，實質就是 Apache 2.0），自用、修改、包進自己的服務都可以，記得保留聲明就行。

平台支援的分級，台灣聽眾這樣讀

這個倉庫附了一份很少見的誠實文件 PLATFORM_SUPPORT.md，直接把支援程度分級：直接音訊連結與 RSS 源是完全支援；Apple Podcasts 是部分支援，靠 iTunes API 和頁面裡的 RSS 自動發現，直接貼單集連結不行，因為 Apple 的頁面不暴露音訊檔網址；小宇宙也是部分支援，官方自己寫明它的頁面有反爬蟲、API 可能需要認證；YouTube 音訊、需要登入的私有播客、有 DRM 保護的內容則明確不支援。對台灣聽眾的實際意思是：大部分節目都能在 Apple Podcasts 或 hosting 平台找到 RSS 源，貼 RSS 源永遠比貼 App 分享連結穩；聽 YouTube 談話節目的人，這套工具幫不了你，那是新倉庫的管區。

這份文件也留了一個時間差值得點出：文件寫「所有失敗都會回退到測試音訊」，但對應的下載程式碼裡，這個邏輯已經被註解掉，寫著不再使用假音訊備用方案，實際行為是直接回報下載失敗。也就是說亂貼連結不會有「隨便輸出一段」的僥倖，失敗就是失敗，換成正確的 RSS 源或直接音訊網址才是正解。

自架的現實條件：venv 綁死、無認證伺服器與線性帳單

環境這關先過。README 列的前置需求是 Node.js 16 以上、Python 3.8 以上與 ffmpeg，另外要一個建在專案根目錄、名字就叫 venv 的虛擬環境，因為 Node 端寫死了呼叫 venv/bin/python 這個路徑。README 的維運提示很實用：第一次轉錄要下載約 75MB 的模型檔屬正常、遇到 500 錯誤先懷疑 venv 沒建好而非網路問題、記憶體建議預留 4GB。

介面有中英兩種語言，右上角能切換，也會跟著瀏覽器語言自動選，記在你的瀏覽器裡。不過中文版是簡體字，按鈕寫「轉錄並總結」「開始處理」，沒有繁體選項，看英文介面反而對台灣使用者更順眼一些。

伺服器本身沒有任何登入或認證，CORS 全開，連接埠被佔用就自動換下一個。在自己電腦上跑沒問題，但千萬別直接開到公網：區網或公網上任何人都能呼叫處理端點，用你的 API 金鑰燒帳單。要對外，前面自己加一道反向代理與認證。

成本結構要算清楚。工具本身免費，轉錄在本機也不花錢，但潤稿與摘要每一步都打你自己的 API，集數越多、節目越長，帳單線性成長。想在 .env 換成其他 OpenAI 相容服務可以，因為 API 位址是環境變數，但模型名寫死成 gpt-3.5-turbo、gpt-4、gpt-4o，你接的端點必須提供同名模型，否則要自己改程式。社群裡正好有一個 2025 年 12 月開著的 issue，請求把模型名參數化，至今沒有處理，這就是倉庫凍結的直接代價。

Windows 用戶還有一個未修的坑：2026 年 3 月回報的 issue 指出，轉錄其實已經完成、檔案也生成了，但 Python 在 Windows 主控台輸出時觸發編碼錯誤，整個任務被判定為失敗。同樣的問題在 macOS 與 Linux 上不存在的機率高，但如果你主力是 Windows，這筆帳要算進去。

三條路怎麼選

整理成一個簡單的分流。你要的如果是一個讀得完、改得動、只處理播客的最小自架系統，順便當 Whisper 全端應用的學習範本，podcast-transcriber 仍然成立，只要接受它凍結的現實與上面這些條件。你要的如果是持續維護、支援 YouTube 與更多平台、有字幕就免下載音訊、模型在畫面上就能換，直接去 AI Video Transcriber，兩邊授權相同，前置需求也相近，新倉庫甚至少了 Node.js 這一項。你如果完全不想自架，作者的託管版 sipsip.ai 把同一套流程做成現成服務，還加了每日信件摘要與知識庫功能，免費就能開始，代價是你的音檔與文稿落在別人的伺服器上，而且它的資料處理條款要自己讀。至於只是想聽得更有效率、不一定要逐字稿的人，Readdig 這類 RSS 播客閱讀器 或 本機語音轉 Markdown 工具可能更貼近需求，不一定得架一套轉錄系統。

常見問題

完全不上網能用嗎？

轉錄可以，Faster-Whisper 在本機跑，不需要任何金鑰。但潤稿與摘要需要 API 金鑰，而且在「僅轉錄」模式下程式也會嘗試送潤稿。實際做法是把金鑰留成範本裡的佔位字串，讓每次雲端呼叫都被拒絕，程式就會保留原始逐字稿；金鑰整行不設反而會讓伺服器起不來。這條繞路是從程式結構推出來的，官方沒有把它當功能。

Apple Podcasts 的連結可以直接貼嗎？

貼節目頁可以，程式會透過 iTunes API 找出 RSS 源再抓音訊；直接貼單集連結不行，這是官方文件明寫的部分支援。養成習慣先找到節目的 RSS 源再貼，成功率最高。

小宇宙的單集連結成功率如何？

官方文件的說法是部分支援：會先試小宇宙的 API，再回頭找 RSS，但頁面有反爬蟲、API 可能需要認證，官方自己都不保證。同一個節目若在其他平台也有上架，拿那邊的 RSS 源會穩得多。

產出的逐字稿存在哪裡？

在伺服器的暫存資料夾裡，一份是逐字稿、一份是摘要，都是 Markdown 格式，介面上也能直接下載。音訊檔處理完會自動刪除，文字檔不會，而且潤稿前的原始版本會多存一份備份。沒有背景清理，容量與隱私都要自己管理。

自架要花多少錢？

工具與轉錄都是零成本，花費全在你接的雲端 API：一小時的節目，逐字稿全文會先潤稿一輪，摘要再一輪，超過 6,000 字還會分多段呼叫再組合，若翻譯則再多一輪。實際金額取決於你選的模型與計價，架好後先用一集短節目試算，再決定要不要長期跑。