跳到主要內容
Frank Chiu

徐享/享哥

AI應用規劃師

具有 10 年經驗在數位行銷與電商廣告領域,專精生成式AI應用與個人資料保護,致力於以獨特商業洞察與實戰案例研討,助力品牌突破成長瓶頸。

OwnVoice Meet 教學|國際研討會即時翻譯、錄音逐字稿與英文提詞

- 用 Windows 筆電看雙語字幕、準備英文發問,並按議程留下錄音和逐字稿。 -

參加國際研討會,一邊聽英文、一邊記筆記,很容易漏掉講者的重點。到了問答時間,明明知道要問什麼,卻來不及把問題組成英文。台灣獨立開發者 Zaious 開源的 OwnVoice Meet,把這兩件事放進同一套 Windows 工具。你可以在會中看中英字幕、把想問的問題轉成口語英文,再把錄音和逐字稿留到會後整理。

本文以 OwnVoice Meet v0.2.3 為操作基準,依公開文件與開發者測試紀錄整理。官方有 Windows 10、11 的安裝版和免安裝版。程式可免費使用,雲端語音辨識與翻譯仍依各服務商計費。官方專案|v0.2.3 發行頁

OwnVoice Meet 怎麼幫你參與英文會議?

視窗 會中怎麼用
字幕 看英文原文與繁體中文翻譯,也能切換為只看中文。使用支援串流的辨識方式時,長句可先出部分翻譯,說完後再更新。
回覆 輸入想說的中文,按 Enter 生成口語英文短句,由你自己朗讀。視窗可以放在鏡頭旁,用 Ctrl + Shift + Space 叫出來。
講稿 事先整理簡報、備忘和 Q&A,用「補對照」補上另一種語言。翻譯和回覆會參考講稿及術語,讓人名、產品名和專有名詞更一致。

例如你想知道某項技術能不能用在台灣中小企業,可以在回覆窗輸入「這項技術能幫助台灣中小企業做數位轉型嗎?」再照著畫面上的英文朗讀。

Could this technology help small businesses in Taiwan with digital transformation?

事先準備的講稿也可以用 Markdown 撰寫。# 用來切換分頁,> 提供上一行的對照翻譯,! 留給上台時要看的提示。

1
2
3
4
5
6
7
8
9
10
# 開場介紹

Good morning, everyone.
> 各位早安。

! 切換到第二張投影片

# Q&A

Q: What are the biggest challenges for small businesses?

第一次使用,從下載與 Demo 開始

下載 Windows 版本

  • 安裝版 OwnVoice.Meet_0.2.3_x64-setup.exe,適合固定使用,可在設定裡檢查更新。
  • 免安裝版 OwnVoice.Meet_0.2.3_x64_portable.zip,解壓縮後執行 OwnVoice Meet.exe,更新時重新下載。

v0.2.3 的 Windows 執行檔尚未提供 Windows 程式碼簽章,可能出現 SmartScreen 提示。請從專案發行頁下載並核對版本。若在 Windows 10 無法啟動,可先依手冊確認是否有 Microsoft Edge WebView2 Runtime。v0.2.3 下載頁|官方使用手冊

第一次開啟可以直接按 Demo,看看字幕、回覆與講稿三個視窗。Demo 播放預先寫好的內容,無需麥克風或 API 金鑰。

分別設定「聽」和「翻」

在設定的「聽:語音辨識」選擇收音後要用的辨識引擎。Windows 11 22H2 以上可以試用實驗性的即時輔助字幕整合,先在 Windows 下載英文語音套件。有自架環境可選本機 Whisper。雲端選項則包括 OpenAI 的 gpt-4o-mini-transcribe、gpt-live-transcribe,以及 Gemini 3.5 Transcribe Live。

在「翻:翻譯與回覆」選擇 Claude、OpenAI、Gemini 或本機相容服務。Windows 即時輔助字幕在本機辨識,若翻譯選了雲端模型,文字仍會交由該服務處理並依用量計費。聊天產品的訂閱和開發者 API 帳務要分別確認。Windows 即時輔助字幕說明|官方使用手冊

線上會議和實體研討會怎麼收音?

Zoom、Teams、Google Meet 用系統音訊

  1. 將會議軟體的喇叭設為 Windows 預設輸出裝置。
  2. 在 OwnVoice Meet 選擇系統音訊,按「聆聽」,確認音量指示有反應。
  3. 看字幕跟上討論,輪到你時在回覆窗輸入中文,再用自己的聲音說出英文。
  4. 結束時按「停止」。

系統音訊擷取的是電腦播放的聲音,你自己的麥克風通常不在這個來源裡。若換了藍牙耳機後沒出現字幕,先核對會議軟體和 Windows 的輸出裝置。

實體研討會用麥克風,按場次分段

  1. 先確認主辦單位的錄音規定,進入「設定 → 收音與存檔」,選「麥克風(現場演講、研討會會場)」。
  2. 選定實際使用的麥克風,在會場做一次「麥克風檢查(6 秒)」。音量偏低時可調整增益或移近講者、音箱。
  3. 在「議程」每行輸入一個場次名稱,按「聆聽」開始。
  4. 換場時按「新段落」或 Ctrl + Shift + F9。結束後按「停止」,開啟存檔資料夾。

每個場次會有一份 WAV 和一份 Markdown 逐字稿,另有整場的 transcript.md。逐字稿列出時間、英文和中文。錄音為 16 kHz 單聲道 WAV,手冊估算每小時約 115 MB。

1
2
3
4
5
6
研討會存檔資料夾/
├── 01-Keynote.wav
├── 01-Keynote.md
├── 02-Panel-Discussion.wav
├── 02-Panel-Discussion.md
└── transcript.md

錄音與雲端辨識各自運行,會場網路中斷時可以繼續本機錄音。連線恢復後字幕可接續,斷線時漏掉的內容需要靠錄音回查。若網路持續不穩,可以選「只錄音,不辨識」。聆聽期間程式會防止系統和螢幕自動休眠。

開發者已公開系統音訊錄音、分段及逐字稿的測試結果,同一份紀錄仍把實體麥克風的完整流程列為待驗證。第一次帶去正式會場前,先用實際設備試錄並回放。使用手冊的會場操作|開發者測試紀錄

AI 翻譯與逐字稿每小時要花多少錢?

下表是 v0.2.3 手冊以 Claude Haiku 5.5 等入門翻譯模型搭配不同語音辨識引擎的估算。模型版本、用量、提示快取及供應商費率都會影響帳單。

語音辨識 每小時含翻譯費估算 適合情境
Windows 即時輔助字幕 US$0.03 Windows 11,想先試用本機辨識
本機 Whisper US$0.03 已有可運行 Whisper 的設備
OpenAI gpt-4o-mini-transcribe US$0.21 可以等一句話說完再出字幕
Gemini 3.5 Transcribe Live US$0.57 希望在講者說話途中看到字幕

開發者分享,他在 JCDL 2026 的線上發表用自架 Whisper 搭配 Claude Haiku 5.5。一個半小時多的場次,翻譯帳單約 US$0.11。該數字是開發者案例,只計雲端翻譯。講稿在多次請求中透過提示快取(Prompt Caching)重複使用,有助降低成本。專案使用案例|手冊的費用估算

串流辨識可能連安靜時段也計費。手冊記載,程式預設在約 3 分鐘沒有新字幕後暫停辨識,有聲音時恢復。閒置約 20 分鐘會結束這次聆聽,這兩個時間都能在「收音與存檔」調整。場次間要持續錄音時,先確認自動結束時間符合議程安排。

從 Tauri、Rust 到本機模型,工程上值得看什麼?

OwnVoice Meet 採 Tauri 2、Rust 與 TypeScript。Rust 處理音訊擷取、模型串接和會議狀態,前端把字幕、回覆和講稿放到不同視窗。語音辨識與翻譯可分開換模型,例如用本機 Whisper 處理聲音,再讓雲端模型做翻譯。長句提前翻譯、取消已過時的翻譯請求,都是為了讓字幕跟得上會議。技術架構說明

專案附有 faster-whisper 的最小伺服器。已準備好 Python 與 NVIDIA GPU 環境時,可參考官方範例。

1
2
pip install faster-whisper
python scripts/local_whisper_server.py --model large-v3 --device cuda --port 8790

接著把 http://127.0.0.1:8790/v1 填入「本機 Whisper」設定並測試連線。沒有 NVIDIA GPU 可改用 --device cpu --compute-type int8。翻譯也可改接 Ollama 或 vLLM 的相容 API,先用幾句有專有名詞的內容試試繁體中文品質。本機 Whisper 與 LLM 部署教學

錄音在本機,哪些資料會進雲端?

依官方手冊,API 金鑰存放於 Windows 認證管理員,錄音和逐字稿存在本機。選用雲端語音辨識時,音訊會送到所選服務商。選用雲端翻譯時,辨識後的文字、相關語境與講稿可能送往翻譯服務商。涉及保密內容時,應先確認錄音規定、供應商條款及授權範圍,再評估本機辨識與本機翻譯。Gemini API 免費層與付費層的資料處理也有差異。官方使用手冊|Gemini API 價格與資料使用說明

另外,正式筆記仍需回聽核對人名、縮寫、關鍵數字及多人交錯的發言。會場有回音或距離過遠時,先改善收音位置,再比較辨識模型的差異。

會後怎麼把逐字稿變成研究筆記?

v0.2.3 的公開文件主要涵蓋字幕、錄音、逐字稿及英文提詞。要做摘要,可以取已獲授權處理的 transcript.md,交由合適的語言模型整理。

你是一位國際研討會紀錄助理。請將這份中英雙語逐字稿整理成繁體中文報告,包含核心結論、五項重要觀點、技術與應用案例、對台灣企業或教育現場的啟發,以及值得追問的問題和後續行動。重要觀點附上逐字稿時間。對人名、數字或術語無法確認的地方標註「待核對」,不要補寫逐字稿沒有的資訊。

若這套工具未來加入即時摘要,我會先試每五分鐘整理一次新增逐字稿,場次結束再統整。這樣可以控制 API 呼叫量,並保留字幕主要工作流的更新速度。下一步還可以把摘要變成中英對照的追問建議,供聽眾挑選。

帶進 AI 課堂時,我會安排三個練習。先播放英文演講觀察字幕延遲,再讓學員用中文寫一個問題並練習用英文開口,最後用獲授權的錄音練習分段與摘要。OwnVoice Meet 值得拆解的地方,正是把「聽懂、開口、留下紀錄」各自做成能在會議中派上用場的功能。

參考資料與下載

本文於 2026 年 11 月 22 日依公開資料核對,操作說明未經本文作者獨立在 Windows 上端到端實測。

常見問答 (FAQ)

Q1:OwnVoice Meet 可以在 macOS 或網頁上直接使用嗎?

v0.2.3 提供 Windows 10、11 的桌面安裝版與免安裝版。官方網站提供介紹與下載,macOS 版仍在規劃中。

Q2:沒有 API 金鑰能試用嗎?本機辨識也會收費嗎?

可先用 Demo 體驗三個視窗,無需 API 金鑰。Windows 11 的即時輔助字幕與自架 Whisper 可以在本機辨識。若後續選擇雲端翻譯或回覆,該服務仍會依用量計費。

Q3:在研討會現場斷網,還能保留錄音和逐字稿嗎?

啟用本機錄音後,網路中斷時錄音可繼續,已產生的逐字稿會保留。使用雲端辨識時,斷線期間的字幕可能缺漏,可在會後從 WAV 回查或重新辨識。網路很不穩時也可以先用「只錄音,不辨識」。

相關文章

Kling 4.0 提示詞教學:Edit 與 Reference 怎麼選?換人、換場景與動作參考
Kling 4.0 提示詞教學:Edit 與 Reference 怎麼選?換人、換場景與動作參考
AI工具 影音行銷

2026/11/22

AI 影片白模、灰模、藍模有什麼差別?用 Blender、Seedance 與 Kling 控制人物動作
AI 影片白模、灰模、藍模有什麼差別?用 Blender、Seedance 與 Kling 控制人物動作
AI工具 影音行銷

2026/11/21

一台舊電腦能養 300 個 AI 機器人?Rakazo 自架與 AI 軍團實戰指南
一台舊電腦能養 300 個 AI 機器人?Rakazo 自架與 AI 軍團實戰指南
AI工具 AI自動化 AI Agent

2026/11/21

ChatGPT Accounting 外掛教學:用 Excel 對帳、整理發票與準備月結報表
ChatGPT Accounting 外掛教學:用 Excel 對帳、整理發票與準備月結報表
AI工具 ChatGPT AI自動化

2026/11/20

不用買三台 Mac,也能打造 24×7 AI Agent 工作站!Herdr × Claude Code × Tailscale 完整實戰教學
不用買三台 Mac,也能打造 24×7 AI Agent 工作站!Herdr × Claude Code × Tailscale 完整實戰教學
AI工具 AI自動化 Vibe Coding

2026/11/14

AI 影片運鏡提示詞教學:12 種鏡頭技巧,讓畫面更有電影感
AI 影片運鏡提示詞教學:12 種鏡頭技巧,讓畫面更有電影感
AI工具 內容行銷 影音行銷

2026/11/13

AI 一天能做 5 台機甲?從白模、法線貼圖到骨架綁定,搞懂 AI 3D 建模的完整流程
AI 一天能做 5 台機甲?從白模、法線貼圖到骨架綁定,搞懂 AI 3D 建模的完整流程
AI工具 AI自動化 Vibe Coding

2026/11/12

Obsidian 執行長公開自己的第二大腦!免費下載 GitHub 範本,打造你的 AI 知識管理系統
Obsidian 執行長公開自己的第二大腦!免費下載 GitHub 範本,打造你的 AI 知識管理系統
AI工具 AI自動化 Codex

2026/11/11

MiniMax H3 不用買顯示卡也能跑!Colab 手動生成與 Codex 自動產片比較
MiniMax H3 不用買顯示卡也能跑!Colab 手動生成與 Codex 自動產片比較
AI工具 AI自動化 影音行銷

2026/11/07