因為我所開辦的課程都會全程錄影，好讓學員可以複習課程內容，最近幾次的課程我還開始幫影片上字幕，讓大家在複習的時候，更能夠理解我在課程中提到的一些偏技術的「專有名詞」。有些不住在臺灣的學員，也有可能會聽不懂臺灣這邊經常聽到的時事或口頭禪，我時常會在課程中講一些「時事梗」來活絡氣氛，但是有些學員可能會聽不太懂，這些字幕就是為了讓大家更容易理解課程內容與笑點。我幾乎都是利用超大上下文視窗(context window)的 Google AI Studio 來幫我校正 Whisper 產生的字幕，這篇文章我就來教大家這個技巧。
整理字幕的流程
-
先進入 Google AI Studio 網站
先點擊 Create new prompt 開始一個新的對話。
由於要抓取文字中的錯誤，我基本上會選最聰明的模型 Gemini 1.5 Pro 002。
-
貼上逐字稿，並且透過 whisper 產生的字幕來找出錯字
由於用 whisper 產生的字幕，會同時包含 *.json, *.srt, *.tsv, *.txt, *.vtt 這幾種格式，我會先拿不含時間的 *.txt 字幕來找出錯字。請直接在下方輸入框中貼上 *.txt 逐字稿內容。
重點是：貼上逐字稿後，一定不能按下 Run 按鈕，而要利用一個在 Google AI Studio 鮮為人知的「多段輸入」技巧，用鍵盤按下 Shift+Enter 來送出提示。透過 Shift+Enter 送出的提示，不會觸發大語言模型執行。
-
接著輸入我們想對逐字稿進行揪錯的提示
我的提示如下：
幫我找出上述逐字稿中所有最明顯的錯字。
請以表格列出，顯示兩個欄位：錯誤的詞彙、建議的詞彙
不要調整原本句子的語氣，校正的方向必須忠於逐字稿原文，主要找出一些容易發生口誤的地方，請專注在特別明顯的錯誤。
請特別專注於一些潛在的專有名詞錯誤，例如以下詞彙是逐字稿中會出現的詞句：
- Will 保哥
- 保哥
- ChatGPT
- OpenAI
- Claude
- 西遊記
- 唐僧
- GPT-4
- GPT-4o
- 4o-mini
- o1
- o1-preview
- Prompt
- DALL-E
- Squoosh
- Mermaid
- GenAI
- NotebookLM
- Python
- Excel
另外還有一些常見的辨識錯誤：
- "for all" 通常應該是 "4o"
輸入完就可以按下 Run 按鈕送出提示，等待 Google AI Studio 回應，由於四個小時的逐字稿還蠻多的，回應時間可能會長達 15 秒！😍
-
人工校正這些需要校正的詞彙
由於 AI 的校正可能不是 100% 正確，所以我會逐一檢查 AI 校正的詞彙，並且開啟 Visual Studio Code 對 Whisper 產生的字幕進行搜尋與取代，進行人工校正。這個步驟可能會花費一些時間，但是這個步驟是非常重要的，因為這些字幕是要給學員複習用的，所以我會盡力確保字幕的正確性。
修正完一輪後，我會重複步驟 2 ~ 4，再做個 3 ~ 4 組，其實每次都會有一些新發現，我會循環到自己滿意字幕的最終品質才會停止，我自己實測這個工作流程可以讓字幕的正確率提升至 99% 以上！👍
後記
各位可能很難想像，這幾個簡單的步驟，節省了我多少腦細胞，不但能讓我的線上課程擁有更高的含金量，也讓我可以專注在更重要的事情上！
不僅如此，使用 Google AI Studio 是完全免費的服務，你只要有 Google 帳號就可以登入使用，而且裡面還有 Google 最新、最前沿的 Gemini 大語言模型，甚至於可以優先使用比 Gemini Advanced (付費服務) 更聰明的模型，這是一個非常值得推薦的服務！
相關連結