Whisper JAX 是 OpenAI 的 Whisper 模型优化实践范例，它可将用户的即时录音、音频档或是 YouTube 在线快速识别并转换为纯文本格式，也就是使用 AI 技术的视频声音转文字工具，支持繁体中文。 这项服务使用 Whisper API 大家或许不陌生，我之前在「Good Tape 录音转逐字稿自动化工具，支持中文在内等多国语言」介绍的服务就是使用这项技术，如果你是 Mac 用户还能尝试另一个「MacWhisper」免费应用程序，这些工具都能将录音或影片转为文字逐字稿， 另外也有加入时间戳记功能，在处理类似工作时可以大幅节省时间。
依照说明，Whisper JAX 在 JAX 上运作，后端为 TPU v4-8，相较于 A100 GPU 的 PyTorch 速度快了 70 倍以上！ 可说是目前最快的 Whisper API，我测试一段大约三分半的 YouTube 影片，转换为文字逐字稿的过程只花费不到五秒，即使更长的录音档或视频依然能在相当短的时间内完成，而且准确度很高。
必要时还能搭配 ChatGPT 进行修改，例如将转换的全文加入标点符号，这部分以 AI 进行操作又能省下可观的时间，剩下的就只要校稿即可，若有需要也能选择加入时间标记、翻译其他语言。
Whisper JAX 是 Hugging Face 开发的工具，托管在 Hugging Face 平台做为范例，用户可以免费使用，不过尖峰时间可能会需要排队，排队序列会显示于示范页面右上角，等待顺位到了以后才会开始进行处理，如果不想要花时间等待也可以建立自己的 Inference Endpoints。
Whisper JAX
https://huggingface.co/spaces/sanchit-gandhi/whisper-jax
值得一试的三个理由：
- Whisper JAX 拥有绝佳的速度和识别效率，三分半的影片转为文字只需不到五秒
- 转换文字准确度极高，可搭配 ChatGPT 进行自动标点符号的加入或翻译
- 由 Hugging Face 开发，支持即时录音、上传音频或导入 YouTube