TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

Youtube-Whisper 是 364 星的開源 YouTube 逐字稿工具。實測官方網址被 Cloudflare 擋下、示範站四輪轉錄全失敗,錯誤訊息還被一行程式 bug 吞掉;同一條管線自己架,19 秒影片 0.3 秒轉完,速度比官方宣稱更快,介面沒有中文選項也要一併知道。

Video Note Generator 是把影片自動轉成小紅書筆記的開源 Python 工具,轉錄在本機跑 Whisper、文案生成送 OpenRouter 雲端模型。翻開它的提示詞檔案,親測語氣與繞開平台禁忌詞都是寫進程式碼的正式要求,配圖來自 Unsplash 圖庫與影片畫面無關,環境檢查腳本在新版 Python 會直接停止。

Fast-Powerful-Whisper-AI-Services-API 用 Apache-2.0 開源授權把 Whisper 包成可自架的轉錄服務,轉錄推理全在本機,但部署實測卡在 Windows 專屬依賴,服務出廠也沒有金鑰驗證。

Bili2text 是把 Bilibili 影片轉成文字稿的開源命令列工具,貼上 BV 號就自動下載、抽音軌、跑語音辨識,可全程在本機跑。這篇從原始碼與實際安裝拆解它的三種轉寫引擎、Cookie 限制與真實坑點。

AI Podcast Transcriber 是開源的播客逐字稿工具,音訊在本機用 Whisper 轉錄、摘要走你自己的 OpenAI 相容 API。我讀完它的原始碼:作者主力已搬到星數多 13 倍的 AI-Video-Transcriber,這個倉庫自 2025 年 9 月起凍結,連「僅轉錄」模式也會把逐字稿送雲端潤稿,自架前該知道的邊界都在文中。

LazyTyper 是閉源免費的桌面語音輸入工具,按住 Option 加 Tab 說話,放開後文字直接插進游標位置,Windows、macOS、Linux 都有安裝包。它的特色是把辨識引擎做成可切換的零件,雲端走自帶 API key 的路線、本機可下載離線模型,潤稿也能全程在本機跑。本篇整理首次啟動的實際行為、語音資料流向與條款裡免費的真正寫法。

AI Video Transcriber 是開源自架的影片轉錄工具,有原生字幕的內容直接抓字幕,19 分鐘影片只下載約 27KB 就產出逐字稿,沒字幕才動用本機 Whisper,純音樂影片則誠實回報沒有語音。

Edit Mind 是一款 local-first 的多模態影片索引工具,會在你的電腦上用 Whisper、YOLO、DeepFace 與 OCR 把整庫影片分析成可搜尋的元資料,再透過向量資料庫讓你用一句話找到畫面;支援 Ollama 完全離線與 Docker 自架。

Voice-Pro 是 GitHub 上超過 1.1 萬顆星的開源 AI 配音工具,把 Whisper 語音辨識、翻譯與語音克隆串成跑在本機顯卡的全自動配音管線。免月費、素材不上傳雲端,Windows 加 NVIDIA 顯卡一鍵啟動;跟 ElevenLabs 的差異、安裝三步與裝前要接受的限制,一篇看懂。

Auto-Subs 是免費開源的 DaVinci Resolve 自動字幕外掛,用本機 Whisper 跑轉錄、把字幕直接推回時間軸,DaVinci 免費版就能用;支援中文在內 100 多種語言、說話者分軌與 SRT 匯出,音檔不上傳雲端、不限時長,模型從 80 MB 的 tiny 到 3.1 GB 的 large-v3 自選,也支援 Premiere Pro 與 After Effects。