# 如何利用 Google AI Studio 整理 Whisper 生成的字幕與修正大量錯字

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](https://aistudio.google.com/) 來幫我校正 [Whisper](https://github.com/openai/whisper) 產生的字幕，這篇文章我就來教大家這個技巧。

![the process of using AI tools for subtitle correction and accuracy improvement in educational videos](https://stwillblogassets.blob.core.windows.net/files/images/external/stwillblogassets.blob.core.windows.net/36f41d1ff7c2ebf00152-6d724d77-1344-48a0-9b60-a952be047579.webp)

### 整理字幕的流程

1.  先進入 [Google AI Studio](https://aistudio.google.com/) 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`。
    
    ![Google AI Studio](https://stwillblogassets.blob.core.windows.net/files/images/external/github.com/6ba54bb9a3a85c52596d-4486dad4-5ce5-47d0-9543-25e3b0314b00.jpg)
    
2.  貼上逐字稿，並且透過 `whisper` 產生的字幕來找出錯字
    
    由於用 [whisper](https://github.com/openai/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。
    
3.  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！😍
    
    ![Google AI Studio](https://stwillblogassets.blob.core.windows.net/files/images/external/github.com/e233d5716bb11c0a94a4-9ac62409-834a-4c8d-b6be-420b78df20a1.jpg)
    
4.  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

-   [Google AI Studio](https://aistudio.google.com/)
-   [Making AI helpful for everyone - Google AI](https://ai.google/)