Whisper 中文逐字稿好用嗎？本地 Whisper／MacWhisper vs 雲端 AI 工具實測比較

簡單講：OpenAI Whisper 是免費、開源、可離線在自己電腦上跑的語音辨識模型，拿來做中文逐字稿堪用，但你得自己安裝執行環境、每次只能挑一個模型、也沒有內建編輯器。 如果你是 Mac 使用者又不想碰指令列，MacWhisper 幫 Whisper 套上圖形介面、好上手得多，但要付費才解鎖最大的模型。若你要的是「免安裝、上傳就好、由系統自動挑最合適的引擎、還能線上校對」，雲端 AI 工具（例如 Subanana）會省事很多。

先講利益揭露：我經營 Subanana，下面會拿它做對照。但我會把 Whisper 與 MacWhisper 真正的強項講清楚——在某些情境下，自架 Whisper 確實是更好的選擇。

OpenAI Whisper 是什麼？做中文逐字稿可以嗎？

Whisper 是 OpenAI 釋出的語音辨識模型，程式碼與模型權重以 MIT 授權開源，可以下載到自己的電腦離線執行。它支援多語言、包含中文，所以拿來做中文逐字稿是可行的。

它的「能力分級」靠模型大小：Whisper 提供 tiny、base、small、medium、large、turbo 等多種模型，越大的模型通常越準，但也越慢、越吃記憶體與顯示卡。其中 tiny、base、small、medium 另有純英文的 .en 版本，large 與 turbo 則只有多語言版。做中文這類非英文內容，一般要選較大的多語言模型，結果才比較可靠。

關鍵在於「怎麼跑起來」。Whisper 本身是一個指令列工具，也可以在 Python 裡呼叫，但執行前你得先安裝 ffmpeg 這個命令列工具，並備好 Python 與 PyTorch、用 pip 安裝，某些平台還可能要裝 rust。對工程師這很正常；對只是想把訪談錄音轉成文字的研究生或內容創作者，這道門檻往往就卡住了。

本地 Whisper 的真實優缺點

Whisper 真正的強項，值得先講清楚：

• 完全免費：開源、沒有訂閱、沒有按分鐘計費。量大的人長期成本最低。
• 私密、可離線：音訊不必上傳到任何雲端，整個轉錄都在你自己的機器上完成。對保密訪談、敏感資料來說，這是很實在的優勢。
• 可客製：開發者能把它接進自己的流程、自架服務、自訂推論行為。

但要務實看待它的取捨：

• 要自己架環境：ffmpeg、Python、相依套件，對非技術使用者是真實門檻。
• 每次只跑一個模型：你得自己選模型大小，在「快」與「準」之間取捨；它不會在發現某段轉得不好時，自動換另一個模型重試。
• 沒有編輯器、原生不分講者：原版 Whisper 是「模型＋指令列」，給你一份文字輸出，沒有校對介面、也沒有現成的講者識別；要分講者、要編輯，得自己再接別的工具。
• 吃硬體：大模型在沒有獨立顯示卡的電腦上會明顯偏慢。

換句話說，本地 Whisper 像「引擎」，不是「整台車」。你拿到的是辨識核心，周邊（介面、分講者、校對、匯出格式、品質把關）都要自己補。

MacWhisper 和直接用 Whisper 差在哪？

MacWhisper 是把 Whisper 套上 Mac 圖形介面的應用程式：一樣在你的 Mac 上用本地 Whisper 模型轉錄、音訊不離開裝置，但你不必碰指令列，把檔案拖進去就能轉。它解決的正是「Whisper 難安裝」這個痛點。

它採免費＋付費的分版：免費版可使用 Tiny、Base、Small 等本地模型，足夠一般輕量使用；Pro 版才解鎖最大的模型（Large），並加上批次轉錄、講者識別、字幕匯出、YouTube 影片轉錄與系統音訊錄製。授權方式上，直接從 Gumroad 購買是一次性的終身授權；App Store 上架的版本則採訂閱制。

所以 MacWhisper 的定位很清楚：Mac 限定、把本地 Whisper 變得好上手、又保有離線私密，代價是要付費才拿得到最準的大模型，而且只在 Mac 上跑。

本地 Whisper／MacWhisper 與雲端 AI 工具怎麼選？

沒有絕對的贏家，只有適合你情境的選擇：

• 要免費、要離線、又不怕架環境 → 本地 Whisper。
• 用 Mac、想要好上手又保有離線私密 → MacWhisper。
• 不想安裝、想要分講者＋線上校對＋自動把稿子整理乾淨 → 雲端 AI 工具。

Subanana 和自架 Whisper 的核心差別是什麼？

最大的差別是：你不必自己當「模型管理員」。

自架 Whisper 時，模型選擇、品質把關、出問題重試，全都是你的事。Subanana 的做法相反——它持續評測多個語音辨識引擎，依來源語言與用途自動挑選表現最好的模型，不綁單一供應商；當某段輸出出現疑似辨識問題（例如幻聽、明顯錯漏）時，系統會自動改用另一個評測過的模型重轉那一段，把較乾淨的結果交給你，而這種內部重轉不會額外扣你的額度。換句話說，「挑模型、抓錯、重試」這層工你不用碰。

值得一提的是，這套多模型路由不是憑空設計的——Subanana 最早就是只用 Whisper，正是因為實際遇到單一模型在某些音訊條件下會出現幻聽、認不出有效語音，才改成多供應商、自動備援的架構。

除此之外，Subanana 直接給你的是「整台車」而不只是引擎：

• 免安裝：用瀏覽器上傳錄音（或貼上公開影片連結）就能轉，任何裝置都行。
• 自動整理成可讀稿：自動分講者、移除語助詞、加標點與分段，把「文字牆」變成一段段好讀的內容。
• 線上校對：在編輯器裡校對；AI 會標出疑似聽錯或同音錯字並建議修正（由你逐一確認，不會自動改），也能直接用 AI 問答快速定位內容。
• 多格式匯出：SRT、VTT、TXT、DOCX、XLSX、Markdown，後續要剪字幕、寫文件、做研究編碼都接得上。
• 支援 80 種以上語言，中文／華語之外也涵蓋常見語言與翻譯。

代價是 Subanana 的轉錄在雲端進行，音訊會上傳處理——若你的資料規定「絕對不能離開本機」，那本地 Whisper／MacWhisper 仍是更貼合的選擇。想更全面地比較各種錄音轉文字的方法與費用，可以參考錄音檔轉文字完整教學；想針對採訪、研究、會議三種用途挑工具，則可看AI 逐字稿工具怎麼選。

常見問題（FAQ）

Whisper 做中文逐字稿準嗎？ 可行，且選較大的多語言模型時結果較可靠。但它不會自動分講者、也不會自動整理標點分段，這些都要靠你自己再加工；準確度也不等於零錯誤，重要引用仍要對照原音校對。

Whisper 完全免費嗎？ 本地 OpenAI Whisper 是開源免費的。MacWhisper 有免費版（限 Tiny／Base／Small 模型），要用最大的 Large 模型與進階功能則需付費。雲端工具多半是免費試用＋付費訂閱。

不會寫程式，可以用 Whisper 嗎？ 直接用原版 Whisper 需要安裝 ffmpeg 與 Python，對非技術使用者門檻偏高。Mac 使用者可改用 MacWhisper（圖形介面）；想完全免安裝，就選瀏覽器上傳的雲端工具。

在意隱私，一定要用本地 Whisper 嗎？ 如果規定資料不能離開本機，本地 Whisper 或 MacWhisper（兩者皆可離線）最合適。雲端工具會把音訊上傳處理，方便性換取了「資料離開本機」這一點——依你的合規要求取捨。

Subanana 是用 Whisper 嗎？ Subanana 不綁定任何單一供應商，而是持續評測多個語音辨識引擎、依內容自動挑選最合適的，並在偵測到問題時自動改用其他模型重轉。重點不是「用哪一家」，而是「每一段都路由到當下評測最佳的引擎」。

想跳過安裝與選模型，上傳就拿到分好講者、整理乾淨的逐字稿？