Apple Intelligence 語音轉文字速度比 OpenAI Whisper 快上兩倍

更新於 06月26日19:52 • 發布於 06月18日23:28 • NewMobileLife

最近向開發者推出的 Apple Intelligence 語音轉文字工具，不僅速度快、準確性高，而且通常比 OpenAI 長期以來的對應工具快上兩倍。這可能再次證明 Apple 雖然進入市場較晚，但卻能做到最好。自 OpenAI 於 2022 年 9 月發布其 Whisper 語音轉文字技術以來，它已成為數十款應用程式的標準模型，但現在這種情況可能不會持續下去。在今年的 WWDC 上，Apple 宣布將其 Apple Intelligence 工具開放給第三方開發者。儘管 Apple 幾乎沒有提供任何細節，也當然沒有特別宣傳其語音轉文字工具，但開發者們現在正逐漸發掘它所帶來的各種功能。

開發者的發現與 Yap 工具

開發者 John Voorhees 和他的兒子據報導花了約十分鐘，構建了一個快速工具，以便在 Mac 上使用 Apple 的語音轉文字技術。具體來說，他們使用了 Apple Speech framework 中的 SpeechAnalyzer 和 SpeechTranscriber 元件，這些元件是作為 Apple macOS Tahoe 和 iOS 26 beta 版的一部分向開發者發布的。這個快速工具是一個命令列工具，他們稱之為 Yap，目前已開放從 Github 下載。它需要一個 Apple 開發者帳號和 macOS Tahoe 才能運行。

效能比較與測試結果

AI 語音轉文字工具主要依賴所使用的大型語言模型（LLM），因此比較並非總是那麼簡單。然而，將 Apple Intelligence 與 MacWhisper 的 Large V3 Turbo 模型進行比較，卻展現了顯著的差異。Apple 的 Speech framework 工具始終比這個基於 Whisper 的應用程式快上兩倍多。一項針對 7GB 的 4K 影片檔案測試顯示，Apple Intelligence 在 45 秒內將其讀取並轉錄為字幕。相比之下，使用 Large V3 Turbo 大型語言模型的 MacWhisper 總共花費了 1 分 41 秒，而 MacWhisper 的 Large C2 模型則需要 3 分 55 秒才能完成相同的工作。儘管這些轉錄內容都不是百分之百完美，都需要後續編輯，但 Apple Intelligence 版本的準確性與基於 Whisper 的工具相當，且速度快上兩倍。