|
分享到 Facebook 推至Plurk 推至twitter 讓我聽見更多——台灣尤塞氏症暨視聽弱協會
文/黃靖騰
熟悉的人都知道，我還能聽見聲音，但卻距離語言非常遙遠。對我來說，聽見的彷彿是一個個或大或小的問號。
曾經也能以口語方式和人們順暢交流，但擁有正常聽力的日子並不長久，似乎只為了學會說話，並稍稍領略各種聲音的樣貌，然後就進入一場奇幻的冒險旅程。任旁人說說笑笑，我全聽而不聞，其實是多努力都聽不出個所以然。如果沒有翻譯，轉換成其他方式呈現，縱然戴上助聽器、植入人工耳蝸，仍辨識不出無處不在的人聲。
與世界嚴重脫節的我，幾年後遇見同步聽打翻譯，在大學課堂中開始能順利學習、甚至名列前茅，帶來極大的助益。但生活中，我仍是經常處於語言接收不良的狀態。一直在探索新的方式來改善，不錯過任何可能的機會，現在，科技的進步似乎漸漸翻轉我的日常，一點一點，更接近這世界的人群，同時也好似找回了某些本屬於我的東西。
前陣子，經朋友介紹認識了也在做自由接案的明眼夥伴宜平和致傑，他們交給我一些「代寫」的案子，需要將對方提供的影片內容和觀點，佐以相關的網路資料，撰寫成部落格文章。於是我開始探索有什麼輔助工具能順利接收影音內容。
其實從小到大，我還真沒有觀賞影片的經驗。既辨識不出影音內容，視障也導致看不清快速跳動的字幕，網路上翻到影音媒體便一籌莫展，大多時候只閱讀純文字的資訊。
這個「代寫」案子去除影音接收的困難，其實很適合我文字編輯的專長，自然不想放棄，但若請人手打翻譯，勢必耗費不少人力成本⋯⋯我詢問身邊的朋友，最後在「台灣尤塞氏症暨視聽弱協會」問到一位對資訊很有研究的黃俊榕醫生，他提到Whisper這個將音檔（影音視頻或錄音）轉成文字檔的軟體，可以在電腦上免費安裝使用，而且準確度可說是當前首屈一指的。俊榕醫生很熱心先幫我以Whisper轉出手邊需要翻譯的影片，一看大為驚嘆，幾乎沒出現錯字。
拜現代AI科技發達之賜，Whisper正是由OpenAI推出的先進語音識別系統，藉由大規模語言處理技術，它能夠準確地將語音轉換為文字。或許開發者都沒想到，這項技術對於無法辨識語言的聽障者來說，將可能翻轉其生活型態，創造新的可能性。
然而，我平常很少使用電腦，文書處理方面大多以iPad進行；雖然電腦可以安裝Whisper執行，但必須要高效能GPU顯卡如Nvidia系列（硬體設備）的電腦，才能相對快速地完成音檔轉逐字稿的分析。以我手邊的筆電（Surface Pro）來說，可能要跑超久。
我也研究過Good Tape 網站，它由丹麥人開發，能以Whisper技術翻譯音檔，效果很好；但每個月只有最多三次音檔轉文字的機會（每次上傳最長90分鐘的音檔），如果要使用更多時數需付費（約每月514台幣），對於有經濟顧慮的人是不小的負擔。
於此之際，同樣在尤塞氏症協會的社群，我認識了會寫Python程式語言的林承駿，他了解我的需求，嘗試將Whisper軟體放上Google Colab，讓使用者都能透過各種裝置上網操作Whisper，且Colab提供的GPU運算速度，比起沒有獨立顯卡的電腦快上許多。唯一小缺點是每個Google帳號使用Colab GPU時，每日有一定的額度限制，但我找到了其他可解決的方式，目前以這個網站執行音檔轉文字綽綽有餘。
經過兩個多月的測試，期間承駿也不斷進行優化，Colab_Whisper的使用上已經沒什麼問題。如果朋友們有語音接收方面的需求，不妨來試試看。無論是觀看影片、或現場錄音事後再轉文字，彌補當下資訊接收的困難，都很適合用這項工具。
我跟同為視聽障的硯淳、怡真目前使用Colab_Whisper可順利接收大部分影音視頻，參加一些講座活動透過錄音再轉文字，資訊接收上也帶來很大幫助。
原來我也能看影片，利用Whisper把影音內容轉為純文字閱讀，尤其是一些純影音的平台如Podcast不需要看影片畫面，跟其他人接收到的資訊幾乎一致。媽媽最近很推薦葉子老師的「猿猴式超慢跑」，我也看著老師的Youtube頻道指示一起做了起來，感覺自己的體力真的有所增長。另一方面，宜平那邊也固定有繼續合作接案代寫的工作，當涉及影音接收的部分，已不再是難以逾越的障礙。Whisper技術的出現不但拉近我與一般大眾的距離、增加共同話題，同時實際擴展更多元的職涯發展空間。
我跟承駿，透過討論Colab_Whisper的操作、回報狀況時，他都很有耐心地解答，更願意花額外時間優化網站，使之擁有更多可選擇的功能性、提升操作便利性。在一來一往的互動中，與承駿漸漸熟悉，發現他是個很認真又有專業熱誠的人。聊天中，話題衍伸到如何善用各種AI科技，大有所獲。例如，曾討論過ChatGPT的功能，我發現它在資料處理與整理、提供創意發想、語句改寫上特別突出；另外輔以由Google開發、較為理性嚴謹的Bard（也是AI機器人），提供更準確無誤的資料⋯⋯兩者相輔相成，幫助我在寫文章時索取靈感素材、段落統整，大大提升了生產效率。難產的時候跟它們聊一聊，或許就會有新的發現。
更讓我驚喜的是，一般人使用Whisper只能將錄音後的音檔轉為文字，那如果想利用它 「即時語音翻譯」呢？承駿表示：「目前我寫的程式有辦法做到，國外也有人在研究這塊。我測試後，即時翻譯的準確度不會拉低，但需要用高效能顯卡的電腦如Nvidia系列或MacBook的M晶片系列，速度才跑得起來。」
看到這個訊息，我迫不及待想親眼目睹其效果，於是和承駿討論約一天出來見個面。
巧的是，承駿目前在交大進修碩班，平常住在竹南。從我家過去，只要搭五分鐘的區間車到竹南站，與承駿會面極為方便。
這天，帶上我和硯淳、怡真共同準備的小小禮物保溫瓶，交給承駿的還有三人各自寫的小卡片，只為表達我們對承駿無償付出的小心意。「保溫瓶」意象是希望這些溫暖的點滴一直持續下去。
選了一間竹南站附近Google評價看起來很不錯的「真誠食」，在餐廳裡人聲鼎沸，承駿拿出他的Mac，以Whisper即時翻譯的功能和我溝通。也許受到環境吵雜的影響，筆電本身的麥克風收音也不算高級，翻譯有些斷斷續續，且說完一句話仍要等三秒左右才跑出文字。承駿說：「如果在安靜的環境下，再用更好的麥克風來收音效果應該不錯，我之後會繼續改版。即時溝通的話，你的iPad內建語音辨識速度會更快。」他發現iPad收音也容易受到環境雜音影響，且距離稍遠便無法辨識，承駿也建議可以買一把外接麥克風改善收音狀況。
回到家後，我和承駿繼續討論麥克風的選購。網路上找到「KONIX G2」一對二的無線領夾式麥克風，我看上它的「一對二」，兩把麥克風可以同時接收兩名或更多人的聲音、領夾式的方便性和內建降噪功能也很讚；資料上說，插在iPad上的無線接收器距離麥克風20公尺內都有效。剛好還有優惠，預算可接受，就決定把它買下來。
跟家人測試過效果挺理想的，環境不要太吵鬧，佩戴領夾式麥克風的人說話，iPad都能清楚地轉為文字，不再受限於距離太遠，使我的即時溝通能力又更上層樓。缺點是，語音辨識仍容易自動中斷、翻譯過程跟輸入文字一樣，使螢幕畫面不斷下移，無法自由上下滑動iPad來閱覽內容。
我發現iPad的語音辨識較適合即時溝通，但如果是長時間的講座Whisper效果應該更好。期待下次等承駿那邊改版後，再約時間出來測試，或許可以連接KONIX無線麥克風幫助收音。
承駿說，對我為了溝通付出的努力很敬佩。其實，我希望透過克服自己這類障礙的經驗，才能幫助到其他有同樣需求的人；而承駿已經實際在幫助我們，不僅是障礙者，這些科技的應用相信能讓更多人受惠，他真的很用心。
這篇文章，除了讓大家認識Colab_Whisper，歡迎有需要的朋友一起使用它。更要感謝障礙路上總有一群人在默默付出，幫助我們解決疑難雜症、改善生活品質，無論是醫生、科學家、學者、家屬都是很重要的支持力量。文中提到「台灣尤塞氏症暨視聽弱協會」即將在今年正式成立，我也是其中一員，1月27日將召開第一次的會員大會，歡迎各界關注障礙議題的親朋好友當天一同參與，如果朋友們想支持、報名，記得告訴我。
|
