開發者 CY KUO ・ 免費 ・ MIT 開源

TIO · Windows 桌面工具 · 使用說明

把會議的聲音，變成可以編輯的文字

開會當下即時顯示字幕、把錄好的檔案轉成有講者有時間的逐字稿、聽外語演講同時看中文翻譯，還能像戴口譯耳機一樣，直接用耳朵聽翻譯。 全部只要點兩下，不用打任何指令。

免費下載 → 我是第一次用 → 直接看功能怎麼操作

快速開始：三件事

從拿到檔案到跑出第一份逐字稿，大約 15 分鐘。

還沒有檔案？到 GitHub 下載頁，往下捲到「Assets」下載：繁體中文版檔名結尾是 _zh-TW.zip、英文版是 _en.zip（不要點「Source code」，那是原始碼打包，不是安裝用的壓縮檔；不需要 GitHub 帳號；目前版本 V1.41）。想先了解這套工具，看 TIO語音精靈介紹頁。

  1. 申請一把 Gemini API 金鑰（約 2 分鐘） 這個工具本身不收費，它是把聲音送給 Google 辨識。你需要一把「鑰匙」讓 Google 知道費用算給誰。做法看這裡 ↓
  2. 點兩下 3_安裝.bat 沒裝過 Python 也沒關係，它會自己處理。全程點兩下，不用打指令。被 Windows 擋住不給執行？看這裡 ↓
  3. 點兩下桌面的「TIO語音精靈」，按 2 試跑內建的示範錄音 資料夾裡的 data\meeting_16k_mono.wav 是 47 秒的示範（兩個人講中文）。在還沒有自己的錄音檔之前，先看看成品長什麼樣子。

打開之後你會看到這個畫面

TIO語音精靈
════════════════════════════════════════

1 會議即時字幕　　　－ 開會當下就看到字幕
2 影音檔轉逐字稿　　－ 已錄好的錄音、錄影轉成文字
3 即時雙語字幕　　　－ 同時出原文＋譯文（可翻中英日文）
4 逐字稿轉雙語對照　－ 整份翻，品質比即時翻好很多
5 逐字稿重新排版　　－ 從 .json 重做／改講者名字，不花錢
6 即時語音翻譯　　　－ 只聽口譯，不聽原音（口譯模式）
9 API 金鑰設定　　　－ 換金鑰、檢查是否有效、清除記住的
0 關閉

請輸入號碼後按 Enter：2

你只要打一個數字，然後按 Enter。後面它會一步一步問你，照著回答就好。

桌面上找不到捷徑？

有些單位的電腦不讓程式寫入桌面，這不影響使用。直接去解壓縮出來的資料夾裡點 4_開始使用.bat，效果完全一樣。

安裝

資料夾裡的檔案有編號，照號碼順序做就對了。

檔案什麼時候用
1_安裝說明就是這份說明的紙本版
2_申請金鑰與儲值第一次一定要做，約 10 分鐘
3_安裝.bat點兩下，自動裝好
4_開始使用.bat開啟選單。平常點桌面的「TIO語音精靈」捷徑就好（捷徑開的就是它），桌面沒有捷徑時才直接點這個
5_使用說明功能怎麼操作，隨時查
6_診斷.bat出問題時執行，把畫面截圖回報
7_解除安裝.bat不想用了
8_刪不掉時救援.bat資料夾刪不掉時才用

你的電腦需要具備

項目說明
Windows 10 / 11目前只支援 Windows——「錄電腦播放的聲音」用的是 Windows 專屬技術，Mac 用不了
Python 3.12 以上沒裝也沒關係，安裝程式偵測到沒有時會自動幫你裝好，且不需要系統管理員權限
網路連線要連 Google 的伺服器，離線不能用
一把 Gemini API 金鑰你自己申請一把，見下一節

ffmpeg 和 Python 套件由安裝程式自動處理，你不用自己裝。

安裝步驟

  1. 把 zip 解壓縮到電腦上任何位置zip 從下載頁取得，先照下方「解除封鎖」再解壓。C 槽、D 槽、桌面都可以，程式沒有寫死路徑。不要直接在壓縮檔裡點檔案。
  2. 先把 API 金鑰準備好安裝時貼上，程式會先跟 Google 確認這組金鑰能用；Google 說不能用的話就不會存，安裝完成頁會寫原因。沒先弄也行，那一欄可以留空。這兩種情況，第一次真正使用時都會再問一次，照畫面貼一次就好，不用重開機；之後想換，選單按 9。
  3. 點兩下 3_安裝.bat會跳出安裝視窗，先列出「會在你電腦上做哪些事」，你按下「我同意，開始安裝」才會開始動作。
  4. 裝完桌面會出現「TIO語音精靈」捷徑點兩下就能用。

被 Windows 擋住：先「解除封鎖」再安裝

從 Email、Teams 或雲端硬碟下載下來的壓縮檔，Windows 會偷偷貼上一個「這是從網路來的」標記， 解壓縮時還會蓋到裡面會執行的檔案上——剛好就是你要點兩下的那幾個 .bat。 所以點 3_安裝.bat 時可能會跳出安全警告，或直接被擋。 不是電腦壞了，也不是這個工具有病毒。

花 10 秒先解除封鎖就不會被擋。看你現在的狀況選一條：

還沒解壓縮（最乾淨）

  1. 對下載的壓縮檔（.zip）按右鍵 →「內容」
  2. 最下面「安全性」那一行，勾「解除封鎖」
  3. 按「確定」
  4. 然後才解壓縮——之後一次警告都不會跳

已經解壓縮了（下面截圖就是這種）

  1. 在解壓出來的資料夾裡，對 3_安裝.bat 按右鍵 →「內容」
  2. 勾「解除封鎖」，按「確定」
  3. 點兩下 3_安裝.bat。安裝程式的第一步就會把其他檔案的標記一起清掉， 之後開始使用、解除安裝都不會再被問
3_安裝.bat 的內容視窗，最下面「安全性」寫著：這個檔案來自另一部電腦，可能會封鎖以協助保護您的電腦，旁邊的「解除封鎖」還沒勾 ① 按右鍵 →「內容」，最下面有「安全性」這一行，「解除封鎖」還沒勾
同一個內容視窗，「解除封鎖」已經打勾，紅框標出勾選框與「確定」按鈕 ② 勾「解除封鎖」，再按「確定」。按「套用」也可以，但還要再按「確定」關掉視窗
實際畫面（Windows 11 繁體中文版）。「位置」那一行已遮蔽。
如果你遇到怎麼辦
找不到「解除封鎖」這個勾選框代表這份檔案沒有被標記，不會被擋，直接點就好
已經解壓縮了，才回頭對 zip 勾「解除封鎖」沒有用——標記早就蓋到解壓出來的檔案上了。改用上面右邊那條（對 3_安裝.bat 勾），或把資料夾刪掉重新解壓縮
跳出「開啟檔案 - 安全性警告」按「執行」就好。只會問這一次，安裝程式一跑起來就會把標記清掉
跳出藍色的「Windows 已保護您的電腦」先按「其他資訊」，再按「仍要執行」
警告視窗完全沒有可以放行的按鈕，訊息裡提到「智慧型應用程式控制」這是 Windows 11 的保護功能開成強制模式，可以自己解（2026-09-19 筆電實測）：刪掉已經解壓的資料夾 → 對 zip 按右鍵 →「內容」→ 勾「解除封鎖」→「確定」→ 重新解壓縮，再點兩下 3_安裝.bat
警告視窗完全沒有可以放行的按鈕，訊息裡提到「系統管理員」「群組原則」這台電腦被單位的資訊政策管住了，自己繞不過去。請把那個視窗截圖，連同 6_診斷.bat 的畫面一起交給你們單位的資訊人員
不建議改用「以系統管理員身分執行」

看起來比較快，其實不是：會多一個更嚇人的確認視窗，單位管理的電腦通常根本按不過去； 而且如果是輸入別人的管理員帳號密碼，金鑰和桌面捷徑會被存到那個帳號底下，你自己登入時反而找不到。 照上面解除封鎖就好。

拿到新版本要怎麼更新？

把新的 zip 解壓縮到同一個位置、覆蓋舊的，再點一次 3_安裝.bat。你的逐字稿與字幕檔都在桌面，不會被動到。新的 zip 一樣建議先解除封鎖再解壓縮。

想更省事：更新前把整個舊資料夾刪掉，再解壓縮新的——效果一樣，而且最乾淨。

開會前先暖機（強烈建議，可省 30 秒）

開會前先點兩下 6_診斷.bat，看完關掉，再開始使用。很久沒用、直接開功能 1／3／6 的話，按下 Enter 後要等 30～45 秒（在載入大型語音元件，畫面會逐項顯示進度，不是當掉）；先跑過 6_診斷.bat 就只要約 3 秒（2026-09-21 一台筆電實測）。

順便還能看到 Windows 的「智慧型應用程式控制」有沒有正在擋（那幾行會顯示 BLOCKED 而不是 OK）。暖機效果只維持一段時間（實測間隔 8 分鐘內仍有效），請在接近開會時做，不要前一天做。

安裝時說「憑證錯誤」、套件裝不起來

錯誤訊息裡如果看到 SSLError 或 certificate，代表公司或學校的防火牆在攔截連線，不是你操作錯誤，也不是程式壞掉。

安裝精靈會自動改用 Windows 憑證存放區重試一次。還是不行的話，最快的解法是用手機開熱點跑一次安裝：電腦的 Wi-Fi 改連手機熱點（插著網路線要先拔掉），再點一次 3_安裝.bat，裝完連回公司網路即可，手機上不用裝任何東西。如果公司網路只擋下載套件，裝好之後就能照常用公司網路；如果使用時畫面出現「憑證被攔截」，代表連 Google 的連線也被擋，需要請 IT 放行（安裝用 pypi.org、files.pythonhosted.org；使用時連 generativelanguage.googleapis.com）。

申請金鑰與開通付費

第一次使用前一定要做。申請金鑰 2 分鐘，設定付費 5～8 分鐘。

  1. 開 aistudio.google.com/apikey用你自己的 Google 帳號登入，第一次會要你同意服務條款。
  2. 點「Create API key／建立 API 金鑰」會產生一串長字串 → 點複製。新申請的金鑰以 AQ. 開頭、約 53 個字元；較早申請的是 AIza 開頭、約 39 個字元，兩種都能用。
  3. 找到金鑰所屬的專案，點那一列的「Set up Billing／設定帳單」依畫面指示建立 Cloud Billing 帳戶（要填信用卡）。
  4. 新帳戶預設是預付制，先儲值最低 US$5完成後那一列會從 Free 變成 Paid。儲值 US$5 用逐字稿、即時字幕、即時雙語字幕「準確模式」這類輸出文字的功能，大約可以跑 8～10 小時；輸出語音的功能（即時雙語字幕「快速模式」、即時語音翻譯）只夠約 2.3 小時。
要拿來錄真實會議，請務必開通付費層

這不是「建議」，是使用前提。免費層真的不扣款，但你送出的會議錄音會被 Google 拿去改進產品，而且真人審閱者可能讀到——這是寫在服務條款裡的。

校務會議談的是人事、經費、審查意見、學生個資。只要是這類內容，就不該用免費層。

之後要換金鑰、檢查、或清掉：選單按 9

選單的 9「API 金鑰設定」會先告訴你目前用的是哪一組（只露出頭尾幾個字），再讓你選：

1 換一組新的金鑰　2 檢查目前這組是否有效（連 Google 確認，不花錢）　3 清除電腦裡記住的金鑰

貼金鑰時畫面會顯示一排 *，這是故意的——不讓金鑰明文留在畫面上。按 Enter 後會顯示像 AQ.Ab…xyz9（共 53 字） 這樣只露出頭尾的確認，讓你核對有沒有貼對。

三個容易踩的地方

要注意的事為什麼
餘額歸零，所有金鑰同時停止掛在同一個帳單帳戶底下的金鑰會一起停。會議開到一半發生的話，字幕會直接停掉。建議開啟自動儲值並設每月上限。
每日額度在美西午夜重置換算台灣時間約下午 3～4 點，不是台灣的午夜。早上把額度用完，要等到當天下午才恢復。
額度算在「專案」上，不是金鑰上同一個專案發好幾把金鑰給不同人，大家共用一份額度會互相排擠。每個人請用自己的 Google 帳號建立自己的專案。
金鑰等同你 Google 帳號的密碼

不要給別人、不要貼在群組裡。不小心貼出去的話，立刻去 AI Studio 建一把新的、停用舊的， 再打開 TIO 選單按 9 → 1 貼上新的，問「要記住這組金鑰，下次不用再貼嗎？」時按 1「要」。不然下次開程式，又會用回電腦裡記住的舊金鑰。

電腦要轉手、還給單位或送修之前，請務必把金鑰移掉：選單按 9 → 3 清除， 或跑一次 7_解除安裝.bat。

六個功能

先看哪一個符合你的情況，再照著操作。不確定的話，最常用的是第 2 個。

開會當下 1 即時字幕 中文會議，邊開邊看 3 即時雙語字幕 外語演講，原文＋譯文 6 即時語音翻譯 外語演講，耳朵聽翻譯 會後整理 2 影音轉逐字稿 有講者、有時間 4 轉雙語對照 要給外賓看的文件 5 重新排版（救援） 錄好的檔
功能 2 產生的 .json 可以接到功能 4 翻譯（不必重轉，只付翻譯的錢），也可以用功能 5 重做（完全不花錢）

1　會議即時字幕

開會的當下，想邊開邊看到字幕

  1. 按 1 → Enter
  2. 它問你要錄哪種聲音：
    1 線上會議（Teams／Meet／Zoom）— 錄電腦喇叭放出來的聲音，對方講什麼都收得到。精確地說，錄的是 Windows 預設的播放裝置，會議軟體的喇叭要選同一顆（見下方提醒）
    2 實體會議 — 錄麥克風（會多問兩題，見下方）
    3 兩個都要 — 你人在線上會議，也想收到自己講的話（會多問「用哪一支麥克風」）
  3. 它問專有名詞 → 打「深耕計畫 研發處 會計室」這種，中間空一格。這步很重要，不填的話它會把「會計室」聽成「會計師」
  4. 它問這場會議叫什麼名字 → 隨便打，或直接 Enter
  5. 按 Enter 開始
選了麥克風，會多問這兩題

用哪一支麥克風？（電腦有兩支以上麥克風才會問）1（直接 Enter）＝讓程式自己選：跟著 Windows 預設，中途拔掉或插上耳麥會跟著換；選其他號碼＝全程固定那一支：拔掉就停，插回去會自己接上。選「兩個都要」又固定那一支時，拔掉耳麥只會停掉麥克風那一路，電腦播的聲音照樣會出字幕。

現場有沒有擴音器放出來的聲音要收？（只有選 2 實體會議才問）一般按 1；要收擴音器（喇叭）放出來的聲音才按 2：完整收音，不經 Windows 降噪，但不保證收得到，見混合會議。

多人會議不要用耳麥（它是貼著嘴巴設計的）：有會議用的外接麥克風就用它，沒有就用筆電內建的麥克風。開始後約 6 秒，畫面會出現「🎚 收音檢查」，看得出聲音有沒有進到程式裡，怎麼看在這裡。

[00:12] 好，那我們今天的研發處會議就開始了。
[00:19] 第一個案子是深耕計畫的期中報告。
[00:24] 我這邊補充一下，就是那個經費核

灰色的字＝還在辨識中，會一直跳動修正，這是正常的。白色的字＝已經鎖定的句子，一句話講完就鎖一句，不用等你停下來。

會議結束怎麼停？在那個黑色視窗裡按 Ctrl + C（Ctrl 鍵壓著不放，再按 C）。

檔案會存到桌面，一次兩個：.md 給人看、可以直接貼到 Word；.txt 是備份，萬一電腦當機字幕都還在。

即時字幕分不出誰在講話

這是 Google 目前的限制。需要標出「處長說」「秘書說」的話，請用下面的功能 2。

用 Teams 開會：喇叭要手動選 Windows 預設的那一顆

選 1 線上會議時，程式錄的是 Windows 預設的播放裝置，所以會議軟體的喇叭要選同一顆。新版 Teams 沒有「系統預設」可選（2026-09-19 一台筆電實測），要到 Teams 的裝置設定，手動選 Windows 目前預設的那一顆。選到別顆的話，會整場錄不到對方的聲音。開始時畫面上的「聲音來源：…」就是正在錄的那一顆。

2　影音檔轉逐字稿最常用

會議已經錄好了，想變成有講者、有時間的文字稿

  1. 按 2 → Enter
  2. 會跳出選檔案的視窗 → 找到你的錄音或錄影檔（mp3、m4a、wav，或 mp4、webm（瀏覽器錄的影片）這類錄影檔都可以）
  3. 它問專有名詞 → 打「深耕計畫 研發處 會計室 教學組長」
  4. 它問講者名字 → 照「誰先開口」的順序打，例如「處長 秘書」（名字本身有空白，例如英文全名，就改用逗號隔開：「Chair Wang, Ms Li」）。不知道就直接 Enter，會變成「講者1」「講者2」。超過 28 分鐘的錄音會切段，名字只套在第 1 段（見下方）
  5. 等它跑完。一小時的錄音大約 1～3 分鐘。

跑完會問你要不要打開來看，按 1 就會自動開啟。檔案在桌面，長這樣：

**[00:00:00] 處長**

好，那我們今天的研發處會議就開始了。第一個案子是深耕計畫的期中報告。

**[00:00:09] 秘書**

我這邊補充一下，就是那個經費核銷的期限已經延到10月31號了。
標題後面多了〔補轉〕？

那一句是整理正文時漏掉、程式從原音把那一小段剪出來單獨再轉一次補回來的（用內附的示範檔跑，秘書這句就可能會有），檔頭也會多一行寫有幾處。講者和時間取自第一次辨識，建議對照錄音核對一下。補不回來的，檔頭會寫「可能不完整」並列出時段。

中文會議裡有人講英文（例如外賓致詞）

英文會照原文留在逐字稿裡。但分講者那一趟常聽不到中文會議裡的英文，所以那一段的講者和時間可能不準（常被併到前一位講者的段落裡）。檔頭會寫「這 N 秒的錄音裡有聲音，逐字稿卻沒有標到這段時間」，請對照錄音聽一下那段。（2026-09-25 自製會議實測：舊版在這種情況會把整段英文安靜地漏掉，檔頭什麼都沒寫。）

專有名詞真的有用

實測不填的話，它會把「會計室」聽成「會計師」、「深耕計畫」寫成「深耕計劃」。填了就會自動修正。 建議固定填：深耕計畫 研發處 教務處 會計室 教學組長 核銷 期中報告

超過 28 分鐘的錄音會自動切成好幾段

Google 官方文件寫明：開「分講者＋時間軸」時，模型每次只處理 30 分鐘的音訊。 所以程式把長錄音切成每段 28 分鐘以內，留一點安全邊際。

但切短不代表就不會出錯。實測長錄音會遇到兩種狀況： 某一段的中間整片沒辨識到（28 分鐘的段落遇過），或正文被同一批話反覆灌滿（45 分鐘和 28 分鐘的段落都遇過）。 所以程式轉完會自動檢查六件事：某一段的中間有沒有整片沒辨識到、兩趟辨識的產出量有沒有嚴重對不起來、正文有沒有大量重複、 第一次辨識有聽到的話在整理後的正文裡是不是不見了（不見的會先單獨補轉，標〔補轉〕；補不回來才列出來）， 錄音裡有聲音、逐字稿卻沒有標到的時段（連續有聲音超過 10 秒、或沒標到的時間裡 30 秒內聲音加起來有 6 秒以上才報；音樂、掌聲也會被列出來，聽一下就知道），以及段落的時間有沒有互相重疊或倒退（同一段時間被放了兩套內容時，那一帶的講者與時間可能對不上）。 有問題就在檔頭和畫面寫明第幾段、哪個時段，並告訴你把哪一段剪出來單獨再轉一次。

沒有警語不等於一定沒問題。已知檢查不到的情況：很短的小缺口（連續不到 10 秒、30 秒內加起來也不到 6 秒）、聲音很小（接近背景雜音）的講話、整段被一個很長、字數又正常的段落蓋住（超過 1 分鐘卻幾乎沒字的段落，會照樣檢查它的中間）、錄音從頭到尾都很吵、講話沒比背景大多少（例如一直有背景音樂或轉播聲；程式判斷這項檢查看不準時，檔頭會另外寫一行 ℹ️「這份錄音幾乎沒有安靜的時候…」，那一行只是說明、不算缺口）。重要的會議仍然要抽查。

每段各自判斷講者，跨段認不出是不是同一個人：第 2 段起的講者寫成「第2段講者1」這種樣子；你轉檔前填的講者名字只套在第 1 段（以前會照編號套到每一段，第 2 段就可能張冠李戴）。要統一名字，用功能 5 看著每位講者的第一句重新命名，同一個人在不同段可以填同一個名字。

2026-09-16 之前產出的長逐字稿，請重轉一次

舊版沒有現在這些完整性檢查，出問題的時候完全不會講。 實測一份 2 小時 57 分的會議：有一段的中間 14 分鐘完全沒辨識到， 另一段的正文有九成是同一批話反覆出現——兩種都沒有任何警告。

重轉方式跟第一次一樣：按 2 → 選同一個錄音檔，然後看檔頭有沒有警語。 ⚠️ 要注意的是，分段切短並不能解決這兩種問題（28 分鐘的段落兩種都遇過）， 真正的把關是那些檢查；而且檢查也有抓不到的情況，重要的會議仍然要抽查。

3　即時雙語字幕

看外語演講、或替中文演講配外語字幕

  1. 按 3 → Enter
  2. 它問聲音從哪來：1 電腦播出來的聲音（YouTube、線上研討會）／2 麥克風（現場有外賓演講）／3 兩者都要（實體＋線上的混合會議）／4 已經存好的影音檔。選 2 或 3 會多問「用哪一支麥克風」，選 2 還會問「現場有沒有擴音器的聲音要收」（一般按 1），跟功能 1 一樣
  3. 它問「要快，還是要準？」
    1 準（建議）：等整句講完才翻，延遲約 2～3 秒，語序正常
    2 快：邊聽邊翻，延遲約 1 秒，但語序偶爾會卡住
  4. 要翻成什麼語言 → 1 繁體中文／2 日文／3 英文（講者說什麼語言不用先設定，程式會自己聽出來）
[00:02] Thank you for joining today's session on research assessment.
　　　　謝謝大家參加今天的研究評估會議。

[00:22] First, a seed funding scheme for cross-disciplinary projects.
　　　　第一，建立一個種子基金計畫，用於跨學科專案。

「快」跟「準」差在哪？同一句英文的實際輸出

快（邊聽邊翻）準（整句才翻）
譯文我們大學已經增加了國際合作率 15%今年。本校的國際合作率今年提升了 15%。
延遲約 1 秒約 2～3 秒

「快」模式的語序問題不是顯示太早造成的，是模型邊聽邊翻、還沒聽到後半句就先翻了。要最高品質（可以慢慢等）的話，用下面的功能 4。

用「電腦播出來的聲音」時，它會錄到 Windows 預設播放裝置當下播的所有聲音

開始前請先把不相干的影片、音樂關掉，不然會混在一起。想完全避免這個問題，就用選項 4 直接讀影音檔。

線上會議時，會議軟體的喇叭也要選這一顆（新版 Teams 要手動選，見功能 1 的說明）。開始時畫面上的「聲音來源：…」就是正在錄的那一顆。

用麥克風收講者說的中文、要翻成英文時，請選「準」

2026-09-19 筆電實測，這種情況「快」模式很不穩定：同一段話有時整段沒有字幕，實測講的內容只有 0%～19% 出現在字幕上；同一支麥克風改用「準」模式是 78%～97%（實測次數少，僅供參考）。讀內建範例檔、錄電腦播出來的新聞則正常；但把麥克風錄下的講話存成檔再讀，一樣不穩定。功能 6 用的就是「快」模式，所以也一樣。

「快」模式的原文行，要等到句號、問號這類句尾標點、停頓 2.5 秒，或累積滿 90 字才會出現。講中文時，轉錄出來的句子多半用逗號，連續講話時原文可能晚 20 秒以上才出現。這是顯示方式造成的，不是模型慢。

4　逐字稿轉雙語對照要給外賓看的文件用這個

中文會議紀錄要給國際合作對象看、或國外研討會錄影要翻成中文

功能 3 即時字幕功能 4 這一支
什麼時候用邊聽邊看事後整理文件
翻譯方式邊聽邊翻，像現場口譯整份一起翻，看得到前後文
品質語序偶爾怪好很多
  1. 按 4 → 選檔案（錄音檔、影片、逐字稿 .json、字幕 .srt 都可以）
  2. 選要翻成什麼語言
  3. 固定譯名（強烈建議）：寫成 深耕計畫=Higher Education Sprout Project，多組用分號 ; 隔開。這樣專有名詞全篇統一
  4. 這份文件的背景（選填）：例如「研發處深耕計畫會議」，模型會翻得更貼切
  5. 講者名字（選填）：填了產出的文件才會寫「處長」而不是「講者1」（翻成英文時沒填的講者會寫 Speaker 1、日文寫 話者1）。選 .json 時會先把每位講者的第一句印出來讓你對號入座；那份逐字稿在功能 2 已經填過名字的話，直接 Enter 就沿用那些名字

會產生四種檔案（桌面上，同一個檔名開頭）：

檔案用途
_對照.md一段原文、一段譯文，給人讀的
_對照表.md表格（時間／講者／原文／譯文），方便貼進 Word 或 Excel
_en.md只有譯文的乾淨版（翻成中文是 _zh-TW.md、日文是 _ja.md）
_對照.json機器格式，之後要重新排版或再翻別的語言時用得到

5　逐字稿重新排版出事的時候救命用

純本機處理，不連網、不呼叫 API、完全不花錢，幾秒就好

功能 2 每次轉完，除了給人讀的 .md，旁邊都會留一個同名的 .json。那個 .json 存的是原始資料。這一支就是把它重新排成 .md。

情況沒有這支的話有這支
轉三小時的錄音，轉到一半當機整份重轉，再花一次錢和時間選旁邊的 .partial.json，把已轉好的部分救回來
講者名字填反了整份重轉重填一次，10 秒解決
.md 被誤刪整份重轉直接重做

它會先告訴你「這份有幾段、幾位講者」，還會印出每位講者的第一句話，讓你對得出來誰是誰。填講者名字時直接 Enter 的話：功能 2 當初填過名字的，就沿用那些名字；沒填過的用「講者1、講者2」。

超過 28 分鐘的錄音：第 2 段起的講者另外編號

功能 2 當初是切成好幾段（每段 28 分鐘以內）分別辨識的，每一段的講者各自判斷，第 2 段起會列成「第2段講者1」這種樣子（跟第 1 段分開）。印出來的第一句話可以幫你認人：同一個人在不同段，就填同一個名字。

2026-09-25 之前轉的長逐字稿，不同段之間的「講者1」不保證是同一個人，這裡分不出來。

6　即時語音翻譯像戴口譯耳機

外賓演講、跨國線上會議、沒有字幕的外語影片——不想一直盯著字幕，想直接用耳朵聽中文

畫面上照樣會跑雙語字幕（灰色是原文、藍色是譯文），結束一樣存檔。語音是多出來的，不是取代字幕。 也可以反過來翻成日文或英文（例如聽中文演講、要英文語音；講者說什麼語言不用先設定，程式會自己聽出來）。

選單上沒有 6？

這個功能只有 LVT 版才有（目前公開下載的就是 LVT 版）。選單只到 5 的話，你手上的是舊的原版，請到下載頁重新下載。

先搞懂一件事：為什麼要選「兩條路線」

聲音來源選「電腦播出來的聲音」（Teams／Meet／Zoom／YouTube）時，程式錄的是 Windows 預設播放裝置正在播的聲音。 所以「我不想聽到原音」沒辦法用靜音解決——一靜音，程式也跟著錄不到了。

唯一的辦法，是讓兩種聲音走兩個不同的出口：原音送到一個你聽不到的出口（程式照樣錄得到）， 口譯語音送到你聽得到的那一個。這樣你只會聽到翻譯，兩種聲音不會疊在一起； 口譯語音也不會被錄回去、變成模型翻自己剛講的話。

會議的聲音 Teams・Zoom・YouTube ① 原音路線 你聽不到 例：沒插線的數位輸出、虛擬音效線、 插著但不戴的耳機 TIO 錄下來 → Google 同步口譯 延遲約 1～2 秒 ② 口譯路線 你聽得到 例：耳機、喇叭 程式在這裡錄音 你只會聽到 ② 不會兩種聲音疊在一起
開始時程式會自動把 Windows 的聲音輸出切到 ①，結束後自動切回來。會議軟體的喇叭程式改不到，見下方提醒

我手邊的設備，兩條各選哪個？

你的情況① 原音路線（你聽不到）② 口譯路線（你聽得到）
想戴耳機聽口譯（最像口譯耳機）一個不會發出聲音的出口：沒插線的數位（光纖）輸出、接在不會出聲的螢幕上的 HDMI，或虛擬音效線耳機（戴上）
想用喇叭聽口譯耳機（插著，但不要戴）喇叭
電腦裝了虛擬音效線（例如免費的 VB-CABLE）虛擬音效線（它本來就不會發出聲音，最穩）喇叭或耳機都可以
電腦只有一個聲音出口這個模式開不了，程式會直接告訴你。接上耳機通常會多一條（耳機當 ①、喇叭當 ②，耳機不要戴上）：2026-09-19 一台筆電的有線耳機實測可以，藍牙耳機還沒測；有些電腦的喇叭和耳機是同一條，接了也不會多。插上後回到選單再按 6，清單上多一條就能用。也可以裝一條虛擬音效線（見上一列），或改用「麥克風」「影音檔」當聲音來源，那兩種沒有這個限制
程式說「查不到可以用的播放裝置」可能是喇叭、耳機都沒接上，或聲音元件這一刻沒有回應。接上之後按 Enter 回選單，再按一次 6；還是不行，就把選單視窗關掉重開

不確定哪一條聽不到也沒關係：選完程式會兩條各播一聲讓你試聽，聽錯了當場就能重選，不會等到開會才發現。

怎麼用

  1. 選單按 6 → Enter
  2. 聲音從哪裡來：1 電腦播出來的聲音（Teams／Meet／Zoom／YouTube）／2 麥克風（現場有外賓演講）／3 已經存好的影音檔。選 2 時，電腦有兩支以上麥克風的話，選完口譯從哪裡聽之後還會問用哪一支麥克風（同功能 1）
  3. 選 1 的話，依序指定兩條路線：先選 ① 原音走哪一條（你聽不到的那條），再選 ② 口譯語音從哪裡聽（你聽得到的那條）。 清單上的名字就是 Windows 聲音設定裡的名字，例如「喇叭」「耳機」「數位輸出」
  4. 試聽：程式兩條各播一聲。第一聲應該聽不到、第二聲應該聽得到。 對了按 1；不對按 2 兩條重新選；沒聽清楚按 3 再播一次
  5. 選 2 麥克風或 3 影音檔的話，改問口譯語音要從哪裡聽：選你戴著的耳機（清單會標出「目前的預設」）。程式試播一聲，問「有從你要的地方聽到嗎？」：有按 1；沒有按 2 重新選。電腦上可用的播放裝置只剩一個時不會問哪一顆：畫面會用黃字說口譯會從那一顆出來、要用耳機聽請先插上耳機再回選單選 6；聲音來源是麥克風的話，還會問「要繼續嗎？」（1 繼續／0 回上一頁，先去插耳機）。畫面用黃字說「查不到播放裝置清單」時也不會問，口譯會從 Windows 預設的播放裝置出來
  6. 要翻成什麼語言：1 繁體中文（台灣）／2 日文／3 英文（講者說什麼語言不用先設定，程式會自己聽出來）
  7. 替這場取個名字（直接 Enter 就用今天日期）→ 按 Enter 開始
這個模式需要兩條路線，請分別指定：

① 原音（會議的聲音）走哪一條？
這條你「不會」聽到，只拿來側錄。請挑一個沒接喇叭或耳機的輸出，
例如沒插線的數位輸出；或是插著、但你不會戴上的耳機。
1 喇叭
2 耳機
3 數位輸出
0 回上一頁
3

② 口譯語音要從哪裡聽？（這條你「要」聽得到）
1 喇叭
2 耳機
0 重新選
2

【試聽】兩條各播一聲，確認沒有選反：
　① 原音路線「數位輸出」… 這一聲你應該「聽不到」
　② 口譯路線「耳機」… 這一聲你應該「聽得到」

1 對：第一聲沒聽到、第二聲聽到了
2 不對，兩條重新選
3 沒聽清楚，再播一次
0 回上一頁

結果對嗎？ 1

畫面上的裝置名稱只是舉例，你的電腦上會是你自己的設備名稱。② 的清單不會出現你在 ① 選過的那一條，跟 ① 其實是同一個播放裝置的也會排除；排除後一條都不剩時，程式會請你換一條原音路線。

選 2 麥克風時，畫面長這樣（選 3 影音檔時一樣，只是沒有「請選你戴在頭上的耳機」那句提醒）：

口譯語音要從哪裡聽？
請選你戴在頭上的耳機。選喇叭的話，口譯會被麥克風錄回去，
模型會一直重複翻自己講的話、停不下來，這段時間也一直在計費。

1 喇叭（目前的預設）
2 耳機
0 回上一頁

2
　試聽「耳機」… 應該聽得到一聲

1 有
2 沒有，重新選
0 回上一頁

有從你要的地方聽到嗎？ 1
聲音來源要注意什麼
電腦播出來的聲音要指定兩條路線（見上面），選完會試聽驗證。開始前先把不相干的影片、音樂關掉，它會錄到 Windows 預設播放裝置（開始後就是 ① 那一顆）當下播的所有聲音
麥克風請戴耳機，並在選單上指定口譯從那副耳機出來（選完會試播一聲；電腦上可用的播放裝置只剩一個時不會問哪一顆，會先提醒你插耳機、問要不要繼續）。選了喇叭的話，口譯會被麥克風錄回去，模型會一直重複翻、停不下來，這段時間也一直在計費，程式擋不住
已經存好的影音檔沒有這個問題。檔案是直接讀的，原音根本不會播出來，本來就只聽得到翻譯。一樣會問口譯要從哪裡播（播放裝置只剩一個時不問）
Teams／Zoom／Webex 的喇叭要另外設，用完要改回來

會議軟體有自己的喇叭設定，不一定跟著 Windows 走。

新版 Teams：開始前一律先進 Teams 的裝置設定，把喇叭指定成 ① 那一顆。它的喇叭清單沒有「系統預設」可選，不會跟著程式切換（2026-09-19 實測）。沒指定的話，原音不會進 ①，側錄不到就沒有翻譯。

Zoom／Webex：切好了還是聽得到原音的話，進那個軟體的音訊設定，直接把喇叭指定成 ① 那一顆。

Chrome 裡的 Google Meet、YouTube 會跟著系統走，不用管。

用完（或中途停掉）要記得改回來。程式會把 Windows 改回原本的喇叭，但改不到會議軟體。會議軟體的喇叭如果指定成 ①，要自己改回你平常聽的那一顆，不然下一場會議會聽不到聲音。

① 那一顆的音量不要拉到 0：有些電腦側錄到的音量會跟著它變小。實測調到 8% 仍然翻譯正常，不必調大，這只是保險起見的建議。

結束怎麼停？在黑色視窗裡按 Ctrl + C。畫面會先說「收到 Ctrl+C，正在收尾」，大約 3～5 秒存好檔案才結束。選「電腦播出來的聲音」時，聲音輸出會自動切回你原本的喇叭，畫面會寫「聲音輸出已改回『…』」，並提醒你把會議軟體的喇叭改回來。你另外設過 Windows 的「預設通訊裝置」的話，也會各自改回。

選「電腦播出來的聲音」時，萬一改不回來，畫面會用黃字寫「沒辦法自動把聲音輸出改回原本的喇叭」：點工作列右下角的喇叭圖示，自己選回原本的喇叭；下次打開程式也會再試一次。當機或被強制關掉的話，回到選單（或下次打開選單）就會自動改回來。

會遇到的狀況

狀況原因
語音比講者慢 1～2 秒同步口譯本來就會落後講者一點
講者講太快時，語音會跳過幾句程式寧可跳，也不要讓你的耳朵越落越後面。字幕是完整的，結束後看存檔就好；畫面最後會告訴你跳了幾秒
聲音忽男忽女、長停頓後音色變了模型本身的限制，Google 官方文件也寫了：長停頓後聲音可能改變，也可能依開頭的聲音判錯性別
每 8 分鐘語音可能斷半句程式每 8 分鐘換一次連線，字幕不受影響
講者對著麥克風說中文、要翻成英文時很不穩定，有時整段翻不出來跟功能 3「快」模式是同一個模型，見功能 3 的說明。這種情況改用功能 3 選「準」看字幕比較可靠

功能 6 固定走「快速模式」（Google 的同步口譯模型），只有這個模式有語音可以播，一小時約 71 元，見費用。

混合會議（實體＋線上）怎麼架

主辦單位常見的架法是「一台電腦開線上會議、另一台接投影機放字幕」。重點只有一個：線上與會者的聲音，要從電腦裡直接拿。

喇叭放出來的聲音，麥克風幾乎收不到

舊版說明建議「用字幕電腦的麥克風收會議室的喇叭」，2026-09-22 實測後證明站不住腳：Windows 的收音處理會把喇叭放出來的聲音當成雜音刪掉。筆電喇叭播一段會議錄音，辨識出 0 句；手機喇叭放在 2 公尺外，也是 0 句。同一顆筆電內建麥克風收真人講話，站 3 公尺都辨識正常。

所以不要讓線上的聲音先從喇叭放出來、再用麥克風收回來。把喇叭音量調大也沒用——聲音是在麥克風那一端被刪掉的。

做法 1：字幕電腦也加入線上會議，選「兩者都要」建議

  1. 字幕電腦用瀏覽器或會議軟體加入同一場會議，在會議軟體裡把自己的麥克風靜音（免得現場聲音再送一次到線上）
  2. TIO 選 3 兩者都要：線上與會者的聲音直接從電腦裡拿（數位的，不經過空氣），現場講者用麥克風收
  3. 要投影字幕：把這台電腦的畫面延伸到投影機
!萬一「同一句話出現兩次」，就是喇叭的聲音又被麥克風收了一次：戴耳機或把喇叭關小

做法 2：從會議室音響直接拉線（最穩，但要有設備）

  1. 會議室混音器／會議主機的錄音輸出（REC OUT、AUX、PROGRAM OUT）→ USB 錄音介面 → 在 Windows 設成預設麥克風
  2. TIO 選 2 麥克風
!要取「迴音消除之前」那一路；不要插筆電的耳麥孔（線路訊號太大會破音）。不確定就請會議室的設備人員幫忙

做法 3：只能用麥克風收擴音器（備案，不保證）

  1. 選 2 麥克風，問「現場有沒有擴音器放出來的聲音要收」時選 2（完整收音：不經 Windows 降噪）
!實測：筆電喇叭播會議錄音，一般收音 0 句 → 完整收音 4 句（原檔 7 句）；手機小喇叭放 2 公尺，兩種都 0 句。只能當備案，正式會議前一定要在現場試跑

現場講者用哪支麥克風

開始後不要拔插耳麥

耳麥插頭鬆了或拔掉，程式會自動接回，畫面會出現「⚠ 麥克風中斷了…」→「✓ 麥克風接回來了」；但中斷的那幾秒不會有字幕。電腦播的聲音（線上會議、影片）也會自動接回：拔插耳麥時就算喇叭沒被拔，錄電腦聲音的那一路也可能斷一下，畫面出現「⚠ 抓不到電腦播出的聲音了…」，電腦聲音約 1 秒就接回，穩定之後畫面說「✓ 電腦聲音接回來了」（通常再過約 1 秒）；功能 1、3 遇到 Windows 預設的播放裝置跟著換了，會說「✓ 電腦聲音改從這顆錄：…」。V1.38 以前，這種喇叭沒被拔、錄音卻斷掉的情況不會自己接回，要按 Ctrl + C 重開。功能 6 的口譯語音也會自動接回：畫面出現「⚠ 口譯語音斷了…」→「✓ 口譯語音接回來了」。口譯從喇叭出來時會斷一下、最多約 2～3 秒（就算喇叭沒被拔，拔插耳麥也會讓它斷一下）；從耳機出來時，要等耳機插回去，插回後約 1 秒恢復。要換耳麥或喇叭，最保險是先按 Ctrl + C 結束、再重開一次（字幕會存成兩個檔）。

畫面上的「🎚 收音檢查」怎麼看

開始後約 6 秒會出現一次，告訴你聲音有沒有進到程式裡、以及會不會有字幕：

🎚 收音檢查（聲音有沒有進到程式裡）
　　麥克風　：▮▮▮▮▮▯▯▯　有收到聲音（-45 dB，字幕出得來）
　　電腦聲音：▯▯▯▯▯▯▯▯　電腦現在幾乎沒有在播（-95 dB，沒有聲音就不會有字幕）
看到這個意思要做什麼
有收到聲音音量夠，辨識得出來不用做什麼
聲音偏小字幕可能漏字、辨識不準麥克風：移近講者，或改用別支麥克風；電腦聲音：把播放音量調大（見下方）
幾乎沒有聲音不會有字幕檢查麥克風、耳麥插頭有沒有鬆
電腦現在幾乎沒有在播電腦沒在放聲音（線上會議沒開、或聲音走到別的喇叭）確認線上會議的聲音是從這台電腦播出來
沒有收到資料裝置可能被拔掉了插回去，程式會自動接回
正式會議前一定要先試跑

收音位置這種事紙上談兵不準，一定要現場實測。在真正要用的那間會議室、用真正要用的那台電腦和麥克風，找一兩個同事（一個在現場講、一個從線上講），開著字幕跑 10 分鐘就好。

要確認的四件事不通過的話怎麼辦
現場講者的話有沒有被辨識到麥克風往講者方向移，或改用 USB 會議麥克風；不要用放在桌上的耳麥
線上與會者的話有沒有被辨識到改用做法 1（字幕電腦也加入會議、選「兩者都要」）。調大喇叭音量沒有用
有沒有同一句出現兩次這是回音，字幕電腦改戴耳機或把喇叭關小
字幕的字夠不夠大在字幕視窗按 Ctrl ＋ + 放大（可連按），Ctrl ＋ - 縮小。坐多遠就要多大：字高（公釐）大約要「最遠距離（公尺）× 9」

順便把常用的專有名詞先想好（單位名、計畫名、常出席者的職稱），正式會議時直接填進去，正確率差很多。開會前記得先暖機。

要花多少錢

工具本身免費，費用是 Google 那邊按用量計算的，算在你自己的 Google 帳號上。

約 20 元轉逐字稿 ／一小時
約 17 元即時字幕 ／一小時
約 18 元即時雙語・準確 ／一小時
約 71 元即時雙語・快速、即時語音翻譯 ／一小時
約 16 元逐字稿轉雙語 ／一小時逐字稿
0 元重新排版（不連網）

單位為新臺幣，以 1 USD = 32 TWD 換算。儲值 US$5（約 NT$160）大約可以用：輸出文字的功能（①②③準確④）約 8～10 小時；輸出語音的功能（③快速、⑥）只有約 2.3 小時。一個月開十場兩小時的會：只用文字功能抓 US$15 上下；如果全程用語音翻譯，要抓 US$45 上下。

🔴 即時雙語字幕的「快速模式」比「準確模式」貴約 4 倍。快速模式用的是同步口譯模型，輸出的是翻譯語音，而語音輸出的單價是文字的 8 倍；準確模式走純文字的轉錄＋翻譯，所以便宜。選之前先想清楚要哪一種。功能 6 即時語音翻譯用的就是快速模式那條連線，所以也是約 71 元。

每個功能用哪個模型、單價多少

工具本身不收費，你付的是 Google 的 API 用量，錢記在你自己的 Google 帳號上。以下單價逐字取自 Google 官方定價頁（2026-09-18 查；② 的對齊與 ④ 所用的 gemini-3.5-flash 為 2026-09-19 查）。「一小時」一欄多半是用官方的每分鐘價換算；③準確的翻譯部分是估算（一小時談話的文字量小，佔比不到 5%），② 的對齊是短錄音實測後換算，④ 是 2026-09-19 實測（一份 60 分鐘逐字稿實際翻過一次）。

功能用的模型輸入單價輸出單價一小時
① 會議即時字幕gemini-3.5-transcribe-live$3.50/1M（$0.005／分）$21.00/1M（$0.004／分・文字）NT$17
② 影音檔轉繁體逐字稿gemini-3.5-transcribe（跑兩趟）＋ gemini-3.5-flash（對齊）$2.00/1M（$0.003／分）；對齊 $1.50/1M$12.00/1M（$0.002／分・文字）；對齊 $9.00/1M約 NT$20
③ 即時雙語字幕・準確gemini-3.5-transcribe-live ＋ gemini-3.5-flash-lite同①＋$0.30/1M同①＋$2.50/1M約 NT$18
③ 即時雙語字幕・快速gemini-3.5-live-translate-preview$3.50/1M（$0.0053／分）$21.00/1M（$0.0315／分・音訊）NT$71
④ 逐字稿轉雙語對照gemini-3.5-flash$1.50/1M$9.00/1M（含思考 token）約 NT$16（每小時逐字稿，實測）
⑤ 逐字稿重新排版不呼叫任何模型——NT$0
⑥ 即時語音翻譯gemini-3.5-live-translate-preview同③快速同③快速NT$71

看懂這張表只要一句話：貴不貴看「輸出是文字還是音訊」，不是看模型名字。①和③快速的輸出單價都是 $21.00/1M，但前者輸出文字（$0.004／分）、後者輸出音訊（$0.0315／分）。② 要跑兩趟（第一趟拿講者時間軸、第二趟拿繁體正文），所以單價乘以 2；兩趟之後還要用 gemini-3.5-flash 把兩份對齊，一般每小時多約 1～2 元。⑥ 與③快速是同一條連線，語音本來就會產生、也已經計費，所以播出來不另外收錢。④ 雖然只處理文字，但 gemini-3.5-flash 預設會先「思考」，思考用的 token 按輸出價計費，實測約佔輸出的七成，所以一小時逐字稿要約 16 元。

使用注意事項

這一節請完整讀過，尤其是要拿來錄正式會議的話。

一、錄音會離開你的電腦，請讓與會者知情

轉逐字稿時，錄音會上傳到 Google 的伺服器處理，這是這類服務的運作方式，沒辦法避免。

本工具會在處理完後主動要求刪除；轉到一半把視窗關掉，程式會先把電腦裡的暫存錄音和雲端上的那份刪掉才結束；電腦當機來不及刪的，下一次轉檔一開始會自動清掉（雲端那份最晚 48 小時自動到期）。

但「錄音會離開這台電腦」這件事本身，請事先讓與會者知情。

二、免費層不可用於涉及個資或機密的會議
免費層付費層
費用不收費用多少算多少
錄音會被拿去訓練會不會
真人審閱者可能讀到可能不會

✅ 免費層可以放心用：公開演講、對外說明會、自己的測試錄音
❌ 請先升級付費層再用：談人事、經費、審查意見、有個資的會議

三、開發者實測的涵蓋率

這是開發者自己拿中文素材實測的涵蓋率，不是正確率，給你一個概念；正式用途請自己拿一段錄音試。

Google 引擎功能涵蓋率
transcribe-live功能 1 會議即時字幕98.1%
transcribe-live功能 3「準」原文97.9%
transcribe功能 2 影音檔轉逐字稿99.9%
live-translate-preview功能 3「快」原文（功能 6 口譯用同一個模型，沒有另測）98.4%
flash功能 4 逐字稿轉雙語對照（譯文）100%
flash-lite功能 3「準」（譯文）100%

開發者實測，2026-09-26，V1.25～V1.27 程式。功能 1、3：同一段 9 分鐘中文簡報錄音（語音合成、夾 6 句英文），照真實速度直接送進程式、不經喇叭與麥克風；功能 2：35.5 分鐘三人模擬會議（語音合成）。前四列只算漏掉的字（先簡轉繁），數字另外核對（功能 1 14/16、3「準」16/16、3「快」15/16）；後兩列看的是每段有沒有翻出來（功能 4 21/21 段、3「準」76/76 句）。素材是語音合成，比真人會議單純；各功能只測 1 次，不宜據此排名。真人對筆電麥克風念稿（功能 1）：50 公分 96.7%、2 公尺 92.5%。

四、已知的限制（不是故障，是現階段做不到的事）
限制怎麼繞過
即時字幕分不出講者需要標講者就用功能 2
功能 3 選「快」或用功能 6、講中文翻外語時，原文偶爾整段是簡體（約三場遇到一次，譯文不受影響）已實測 29 次連線確認無解，這是模型端行為。需要那份原文的話，把 .txt 貼到任何簡繁轉換網站轉一次，或改用功能 3 的「準」模式（功能 6 沒有「準」模式可換）
功能 3 選「準」又選「翻成繁體中文」，但講者講的是中文時，原文會是簡體（例如混合會議現場的人講中文；2026-09-19 實測 1 次）譯文仍是繁體，只是等於把中文改寫一遍。需要那份原文的話，把 .txt 貼到簡繁轉換網站轉一次
功能 3 選「快」或用功能 6，講者對著麥克風說中文、要翻成英文時很不穩定（同一段話有時整段翻不出來；2026-09-19 筆電實測）改用功能 3 選「準」看字幕比較可靠
超過 28 分鐘的錄音會切段，跨段認不出是不是同一位講者第 2 段起的講者會標成「第2段講者1」，轉檔前填的名字只套在第 1 段。用功能 5 看著每位講者的第一句，把同一個人填成同一個名字
中文會議裡的英文發言，講者和時間可能不準（常被併到前一位講者的段落裡）英文會照原文留下；檔頭會列出「錄音裡有聲音、逐字稿卻沒有標到」的時段，對照錄音聽一下那段
功能 6 錄「電腦播出的聲音」時，需要兩個聲音出口接上耳機通常會多一條（有線耳機一台筆電實測可以，藍牙耳機還沒測）或裝虛擬音效線；或改用麥克風、影音檔當聲音來源
功能 6 的語音偶爾忽男忽女、講太快時會跳過幾句忽男忽女是 Google 模型本身的限制；跳過幾句是程式故意的，免得你的耳朵越落越後面。字幕是完整的，正式內容以存檔為準
只支援 Windows錄「電腦播出的聲音」用的是 Windows 專屬技術，Mac／Linux 無法
五、逐字稿是草稿，不是會議紀錄

辨識再準也會有錯字、也不理解會議的脈絡。正式的會議紀錄請務必人工校閱過再發出，尤其是金額、日期、人名、決議文字。

六、使用須知與免責聲明
  1. 本工具由 CY KUO 個人獨立開發，以 MIT 授權免費提供，不代表任何機構或單位。授權全文見壓縮檔裡的 LICENSE（以英文原文為準）。
  2. 語音辨識與翻譯由 Google Gemini 產生，可能聽錯、漏字或翻錯。逐字稿是草稿，正式紀錄請人工校閱後再使用。
  3. 使用時，錄音會送到 Google 的伺服器（境外雲端）處理，資料如何處理依 Google 的服務條款。涉及個資或機密的會議，請先開通付費層。
  4. 使用費用由 Google 依用量計算，記在你自己的 Google 帳戶；本工具不經手任何金流。建議在 Google AI Studio 設定每月花費上限。
  5. 錄音與轉錄前，請自行確認符合相關法令與單位規定，並事先告知與會者。
  6. 開發者MIT授權，亦不做任何保證，請自行判斷使用並自行負責，開發者不負賠償責任。
  7. Google、Gemini、Windows 等名稱是各公司的商標，本工具與這些公司沒有合作、贊助或背書關係。
  8. 本說明內容僅供參考：費用依 Google 官方定價換算，實際金額以 Google 公告與你的帳單為準；實測數字是開發者在特定條件下的結果，不代表你的使用情境。

出問題怎麼辦

先看這張表。找不到答案的話，點兩下 6_診斷.bat，把整個視窗截圖回報。

狀況怎麼處理
點了之後有個視窗閃一下就不見，接著出現選單這是正常的。程式會另開一個視窗放選單，自己的視窗隨即關掉
按下 Enter 之後畫面停住好幾十秒，像當掉了沒當掉，是在載入語音元件，久沒用時要從硬碟重新讀進來。畫面會逐項顯示進度（例如 · 語音處理元件（scipy）… ✓ 27.2 秒），看得到就是正常的。開會前先暖機可以避免
剛裝好就用功能 1／3／6，畫面說「載不起語音處理元件（scipy）」Windows 11 的智慧型應用程式控制會先擋下剛裝好、還沒有雲端信譽的元件（2026-09-20 一台筆電實測遇到）。等幾分鐘再試一次就好，它通常會自己放行。想確認的話點兩下 6_診斷.bat，看那幾行是 BLOCKED 還是 OK，等變回 OK 再用。功能 5 不連網也不用那些元件，這段期間照樣可以用
字幕都沒出現檢查電腦有沒有在放聲音；線上會議記得選 1 不是 2。會議軟體的喇叭要選 Windows 預設的播放裝置：新版 Teams 沒有「系統預設」可選，要在 Teams 的裝置設定手動選同一顆（2026-09-19 一台筆電實測）。開始時畫面上的「聲音來源：…」就是正在錄的那一顆。功能 6 例外：選「電腦播出來的聲音」時，會議軟體的喇叭要選你在選單上指定的 ① 那一顆，不是平常的 Windows 預設
選了麥克風，程式說「沒有可用的聲音來源」就結束這台電腦沒接麥克風，或 Windows 隱私設定擋住了（設定 → 隱私權與安全性 → 麥克風）
插著耳機時選「麥克風」，收到的是哪一支？有些電腦插上有麥克風的耳機（耳麥）時，會自動改用耳機上的麥克風（例如只有一個耳麥二合一插孔的筆電），拔掉才改回電腦的麥克風（2026-09-19 一台筆電實測）。耳機插著卻沒戴時，收到的是掛在一旁的耳機麥克風：把耳機拔掉，或到「設定 → 系統 → 音效 → 輸入」改回電腦的麥克風。開始時畫面會印出收的是哪一支（「麥克風：…」那一行）。電腦有兩支以上麥克風時，選單會問「用哪一支麥克風」，也可以直接選電腦內建的那一支
逐字稿的檔頭寫「可能不完整」有六種原因：① 錄音後段沒辨識到內容（靜音、音樂、雜音）② 同一段話大量重複時，被整理掉了 ③ 某一段出狀況：那一段的後面或中間整片沒辨識到、兩次辨識的結果對不起來，或正文被同一批話反覆灌滿 ④ 第一次辨識有聽到的某句話，整理後的正文裡沒有、單獨補轉也沒補回來（檔頭會寫時段和講者）⑤ 錄音裡有聲音、逐字稿卻沒有標到那段時間（連續超過 10 秒、或 30 秒內加起來 6 秒以上；常見是中文會議裡的英文發言、音樂或掌聲，檔頭會寫時段；錄音從頭到尾都很吵、講話沒比背景大多少時，這項檢查看不準，檔頭會另外寫一行 ℹ️ 說明，那一行不算缺口）⑥ 段落的時間互相重疊或倒退（常見於很長、夾雜多種語言的錄音；檔頭會寫時段，那一帶請對照錄音聽）。 ①②和「某一段後面沒內容」時，檔頭會寫辨識到第幾分鐘；其他情況，檔頭會寫是第幾段、哪個時段出問題。需要那一段的話，把它另外剪出來再轉一次（②③④ 的檔頭另外有寫建議怎麼剪）。如果是某一段的後面或中間沒辨識到，剪出來轉得出內容就是被跳過了，真的沒人講話的話結果會是空的。 標示為重複的部分不是真的講了那麼多次，不要照字引用。
轉檔到一半關掉視窗程式會先刪掉暫存錄音和雲端那份才結束。超過 28 分鐘的錄音已整段轉完的部分留在 .partial.json，用功能 5 救回；28 分鐘以內是一整段處理，辨識中途關掉就只能整份重轉。那一段全部跑完之後才出事（例如寫檔失敗）仍會留下 .partial.json，所以還是先看一眼桌面有沒有這個檔
轉檔或翻譯到一半網路斷了網路整個斷掉時（例如 Wi-Fi 斷線），程式會自己等網路回來：每 20 秒再試一次，最多等 5 分鐘，網路一回來就接著做，畫面會顯示「網路回來了」；網路只是不穩、斷一下就好的，照舊重試幾次。等了 5 分鐘還沒回來：轉檔會停下來，超過 28 分鐘的錄音已經整段轉完的部分照樣做成逐字稿（檔頭列出缺哪幾段），28 分鐘以內的錄音（或第一段就斷）沒有產出，網路好了要整份重轉；例外是斷在「講者分段」那一步會改用估算、照樣做完，斷在「補轉」那一步會跳過、寫進檔頭。翻譯會停下來，已經翻好的照樣存檔，沒翻到的段落會標出來（等網路時按 Ctrl+C 結束也一樣；一段都還沒翻好時按 Ctrl+C 不會留下檔案）。翻譯的輸入是錄音檔時，轉逐字稿和翻譯兩個步驟各自最多等 5 分鐘
同一句話出現兩次混合會議的回音：開會電腦的喇叭和麥克風互相收到了，改戴耳機
現場講者收得到、線上的人收不到線上的人要從電腦裡直接拿：字幕電腦也加入會議、選「兩者都要」（見混合會議的做法 1）。調大喇叭音量沒有用
字幕的字太小在字幕視窗按 Ctrl ＋ + 放大（可連按），Ctrl ＋ - 縮小；開始時畫面上也有這行提示。Ctrl ＋ 0 是官方的「還原字級」鍵，但會跟自然輸入法衝突，所以不教
字幕突然停了（耳麥插頭鬆了、拔插過）程式會自動接回並顯示「✓ 麥克風接回來了」或「✓ 電腦聲音接回來了」（換錄別顆時是「✓ 電腦聲音改從這顆錄：…」）；如果一直沒出現，按 Ctrl+C 結束再重開（已經出來的字幕都有存）
中文變成方塊或亂碼改用「Windows Terminal」開啟（工作列搜尋 Terminal），舊版命令提示字元對中文字型支援較差
逐字稿裡有一段只寫「（整理後的逐字稿略去了這段）」通常是那位講者整場只說了「嗯」「對」這類附和。留著這一行是為了讓你填的講者名字不會整排錯位
資料夾刪不掉，說要系統管理員權限幾乎都不是權限問題。① 關掉檔案總管裡開著這個資料夾的視窗 ② 重開機後先刪它 ③ 還不行才點 8_刪不掉時救援.bat
金鑰貼錯、過期，或想換一組選單按 9「API 金鑰設定」：可以換一組、檢查目前這組是否有效、或清除電腦裡記住的金鑰
畫面說「API 金鑰有問題」即時字幕先按 Ctrl+C 結束，回到選單按 9 檢查或換一組。轉逐字稿、翻譯沒有成功時，選單會自己問 Google 一次，確定是金鑰壞了就直接問你要不要換
畫面說「Google 專案這個月的花費上限到了」不是網路問題：這個 Google 專案本月的花費到了你在 AI Studio 設的上限，Google 會暫停到下個月 1 號。要馬上恢復：到 aistudio.google.com 左邊的 Spend → Monthly spend cap → Edit spend cap 調高上限（要有這個專案的擁有者或編輯者權限；調高後若還連不上，等幾分鐘再試）。即時字幕會自己接上，轉逐字稿、翻譯做到一半的那一份要重跑
功能 6 進行中，耳機／喇叭完全沒有翻譯語音先確認畫面開頭那行「🔊 翻譯語音將從「⋯」播出」寫的是不是你現在戴著、或正在聽的那一顆。不是的話，回選單重跑功能 6，在「口譯語音要從哪裡聽」改選對的裝置；是的話，把那顆裝置的音量調大、或在 Windows 右下角喇叭圖示裡確認它沒有被靜音。結束時畫面會說「共送出約 N 秒到「⋯」」——那是送進裝置的量，不保證你聽得到，所以這行有數字不代表裝置沒問題
功能 6 用麥克風時，講完之後字幕一直重複同一句、停不下來口譯語音從喇叭放出來、被麥克風錄回去了，模型就一直重複翻自己的聲音，這段時間也一直在計費。先按 Ctrl+C 結束；戴上耳機，在「口譯語音要從哪裡聽」選你戴著的那副耳機，再重新開始
用完功能 6，喇叭沒有聲音正常結束、按 Ctrl+C、按視窗的 X 都會自動改回原本的喇叭。萬一當機或被工作管理員關掉，回到選單（或下次打開選單）就會自動改回來；等不及的話，點右下角喇叭圖示自己選回原本的喇叭。會議軟體（Teams／Zoom／Webex）的喇叭如果照說明指定成 ①，程式改不到，要自己改回來
功能 6 切好了，還是聽得到原音會議軟體（Teams／Zoom／Webex）有自己的喇叭設定。進它的音訊設定，直接把喇叭指定成 ① 那一顆；新版 Teams 沒有「系統預設」可選，開始前就要先指定。用完記得改回你平常聽的那一顆
功能 6（或功能 3 選「快」）按了 Ctrl+C 還在跑會先顯示「收到 Ctrl+C，正在收尾」，大約 3～5 秒存好檔案才結束。這時按視窗右上角的 X 也能結束，但整理好的 .md 不會產生（逐字的 .txt 還在），選單也會一起關掉；功能 6 的聲音輸出一樣會自動改回來
想知道到底哪裡出問題點兩下 6_診斷.bat，它會列出 Python、套件、ffmpeg、金鑰、檔案是否齊全，也會實際找一次麥克風和電腦聲音的錄音裝置、各開一下再關（不會存下任何聲音），截圖回報即可

不想用了？怎麼移除

點兩下 7_解除安裝.bat，會跳出視窗把可以移除的東西逐項列出來讓你自己勾，沒打勾的完全不會動。按「開始移除」之前，還會把實際要執行的每一個動作列成清單讓你看過。

預設幫你勾好

✓你的 Gemini API 金鑰（最重要）
✓暫存的會議錄音（程式被強制關掉時會留下；沒有殘留時這一項不能勾）
✓桌面捷徑
✓只有這個工具在用的套件（已經沒裝的不會列出來）
✓功能 6 留下的聲音輸出紀錄（只記「口譯結束後要把聲音輸出改回哪一顆」；上次口譯沒有正常結束的話，會先幫你把聲音輸出改回原本那顆再刪）

預設不勾（別的程式可能也在用）

!numpy、scipy
!ffmpeg
!Python 本身、整個程式資料夾
你做出來的檔案完全不會被刪

桌面上那些 .md／.txt／.json 是你的資料，解除安裝程式碰都不會碰。