AI 驅動的聲音分析

語音轉文字

Xeoma 語音識別智能模組

語音轉文字模組圖標 此模組會「監聽」來自攝影機或獨立麥克風的音訊串流,識別語音並對關鍵字作出反應。您可根據設定,將對話逐字稿儲存為 CSV 報告,或以文字形式疊加於實時影像及錄影存檔上。此外,它亦支援轉錄 .mp3 檔案,例如對話錄音、培訓影片等。

Voice-to-Text:Xeoma 語音識別人工智能模組
90+ 種轉錄語言
CSV 報告儲存至硬碟
實時 串流及 .mp3 檔案
AI 附加模組
重要提示:本模組現處於 Beta 測試階段

重要提示:Beta 測試版

此模組自 Xeoma 24.8.12 版本起提供,目前仍處於 Beta 測試階段,偶有漏字或重複處理的情況。無需專用設備:只需一般市售電腦配備 GPU,連接任何攝影機或麥克風的音訊串流即可運行。

使用案例

應用場景

「語音轉文字」功能有助提升個人、社區及商業環境的安全,同時優化業務營運效率。

長者照顧

即時回應求救呼聲,或防止長者遭受詐騙。

各類企業

自動監控客戶服務質素(例如偵測粗言穢語)。

呼叫中心

轉錄通話錄音,以監察員工是否遵守公司政策及對話規範。

城市監控

反恐安防及識別潛在威脅詞彙。

家長監控

協助保護兒童免受欺凌,或防範與詐騙者接觸。

警方

除隨身攝錄機外,亦可轉錄與疑犯的對話並偵測威脅字眼。

研究與分析

在背景收集語音研究統計數據及詞彙使用頻率。

市場營銷

了解客戶是否正在討論推廣活動、對廣告橫幅的反應等。

過濾與自動化

偵測敏感詞彙或關鍵短语,針對性地監控對話內容,無需人手聆聽所有錄音。

優勢

語音轉文字模組的優勢

無需專用設備

可在配備幾乎任何攝影機及顯示卡的一般電腦上運行。

極高靈活性

提供多種觸發動作(包括自訂編程反應),並可與第三方系統整合。

實時運作

即時處理串流,零延遲。在您自己的硬件上運行。

經濟高效的方案

此模組可作為 Standard 或 Pro 授權的附加項目購買。

工作流程

運作原理

配置 Voice-to-Text 人工智能模組的鏈路示例
第一步

構建鏈路

由於此模組需處理音訊串流,鏈路中必須包含音源。

  • 音源:攝影機內置麥克風,或獨立的 USB 或 IP 麥克風
  • 鏈路範例:「Universal Camera」–「語音轉文字」–「預覽與存檔」
  • 此模組需在 Xeoma Pro 或 Standard 授權基礎上額外購買
下載額外人工智能資源
第二步

下載 AI 資源

點擊鏈路中的「語音轉文字」圖示以開啟模組設定。首次開啟時,系統將自動下載所需資源。當「正在下載」提示消失後,即表示準備就緒。

  • 附加資源包含人工智能數據集,按需從 Felenasoft 伺服器下載
  • 資源僅在需要時下載,以保持程式輕量精簡
選擇人工智能模型及轉錄語言
第三步

選擇識別模型及關鍵字

系統提供多款適用於不同語言的人工智能模型,其模型大小、辨識品質及硬件負載各異。在「語音辨識模型」欄位中,選擇轉錄文字的語言(無需指定實際語音的語言);如有需要,可在下方欄位設定偵測關鍵字。透過「即時預覽時顯示辨識語音」及「錄影或匯出存檔時將辨識語音儲存為字幕」選項,您可將轉錄文字疊加於即時畫面及存檔影片上。

  • 「偵測關鍵字」— 模組僅對您指定的字詞或短語作出反應
  • 即時預覽及存檔中的轉錄文字疊加
  • 「將數據儲存至 CSV 報告」— 轉錄內容將儲存至磁碟上的試算表檔案
  • 在模組後連結觸發動作:錄影、通知或傳送指令
  • %VOICE% 巨集可用於「HTTP 請求發送器」、「電子郵件發送」及「應用程式執行器」模組
API

與外部程式整合

外部程式可調用「語音轉文字」功能 — 例如轉錄 VoIP 通話。只需向模組提供 .mp3 檔案即可獲取文字結果 — 即使操作員工作站未安裝 Xeoma 或連接攝影機亦可使用。重要:僅支援 .mp3 檔案。

透過 Xeoma API (JSON) 發送請求的範例:

curl -F "audio_file=@speech.mp3" "http://192.168.0.67:10090/api?login=Administrator&password=123&speech_recognition=recognition&model=qwen3-asr-1.7b&ttl=10&language=en"

參數說明:

  • audio_file=@speech.mp3 — 電腦上音訊檔案的路徑
  • 192.168.0.67 — Xeoma 伺服器 IP 位址
  • 10090 — Xeoma 伺服器連接埠
  • Administrator / 123 — 管理員登入名稱(固定為 Administrator)及密碼
  • model=… — 辨識模型(請參閱下方列表)
  • language=en — 轉錄文字的語言。若與實際語音語言不符,轉錄內容將自動翻譯為您指定的語言

如需將結果儲存為文字檔案,請在指令後加上 >savetext.txt,其中 savetext.txt 為文字檔案名稱。

API 適用的辨識模型:

名稱 描述 API 代碼
俄語基礎版 140 MB tone
俄語進階版 含標點符號,215 MB giga
英語基礎版 70 MB zipformer
多語言基礎版 標點符號、1 GB、6 億個參數 qwen3-asr-0.6b
多語言增強版 標點符號、2.2 GB、17 億個參數 qwen3-asr-1.7b
Gemma4 多語言基礎版 標點符號、2.2 GB、17 億個參數 gemma4-e2b
Gemma4 多語言增強版 標點符號、7 GB、120 億個參數 gemma4-12b

語言代碼清單

en — 英語、zh — 中文、de — 德語、es — 西班牙語、ru — 俄語、ko — 韓語、fr — 法語、ja — 日語、pt — 葡萄牙語、tr — 土耳其語、pl — 波蘭語、ca — 加泰隆尼亞語、nl — 荷蘭語、ar — 阿拉伯語、sv — 瑞典語、it — 意大利語、id — 印尼語、hi — 印地語、fi — 芬蘭語、vi — 越南語、he — 希伯來語、uk — 烏克蘭語、el — 希臘語、ms — 馬來語、cs — 捷克語、ro — 羅馬尼亞語、da — 丹麥語、hu — 匈牙利語、ta — 泰米爾語、no — 挪威語、th — 泰語、ur — 烏爾都語、hr — 克羅地亞語、bg — 保加利亞語、lt — 立陶宛語、la — 拉丁語、mi — 毛利語、ml — 馬拉雅拉姆語、cy — 威爾斯語、sk — 斯洛伐克語、te — 泰盧固語、fa — 波斯語、lv — 拉脫維亞語、bn — 孟加拉語、sr — 塞爾維亞語、az — 阿塞拜疆語、sl — 斯洛文尼亞語、kn — 卡納達語、et — 愛沙尼亞語、mk — 馬其頓語、br — 布列塔尼語、eu — 巴斯克語、is — 冰島語、hy — 亞美尼亞語、ne — 尼泊爾語、mn — 蒙古語、bs — 波斯尼亞語、kk — 哈薩克語、sq — 阿爾巴尼亞語、sw — 斯瓦希里語、gl — 加里西亞語、mr — 馬拉地語、pa — 旁遮普語、si — 僧伽羅語、km — 高棉語、sn — 紹納語、yo — 約魯巴語、so — 索馬里語、af — 南非荷蘭語、oc — 奧克語、ka — 格魯吉亞語、be — 白俄羅斯語、tg — 塔吉克語、sd — 信德語、gu — 古吉拉特語、am — 阿姆哈拉語、yi — 意第緒語、lo — 老撾語、uz — 烏茲別克語、fo — 法羅語、ht — 海地克里奧爾語、ps — 普什圖語、tk — 土庫曼語、nn — 新挪威語、mt — 馬耳他語、sa — 梵語、lb — 盧森堡語、my — 緬甸語、bo — 藏語、tl — 他加祿語、mg — 馬達加斯加語、as — 阿薩姆語、tt — 韃靼語、haw — 夏威夷語、ln — 林加拉語、ha — 豪薩語、ba — 巴什基爾語、jw — 爪哇語、su — 巽他語、yue — 粵語

快速入門

如何測試

1
啟動 Xeoma

下載並啟動 Xeoma。使用試用版或啟用 Xeoma Standard/Xeoma Pro 授權及「語音轉文字」附加模組授權。

2
新增攝影機

手動新增攝影機,或等待 Xeoma 自動搜尋網絡中的攝影機。如使用獨立麥克風,請連接「麥克風」模組並選擇相應的音源。

3
新增模組

將「語音轉文字」模組加入鏈結,設定關鍵字觸發反應或連續語音轉錄;如有需要,可在攝影機畫面及錄影中啟用轉錄文字疊加顯示。

4
設定反應

設定事件觸發反應——例如儲存至 CSV、手機通知或其他操作。

Xeoma 語音轉文字模組設定
試用版設有多項限制。如欲深入了解語音轉文字功能,建議申請免費演示授權。此授權讓您無限制使用所有功能,無需承擔任何義務,僅需提供電郵地址即可。請點擊下方按鈕開始:
獲取免費
演示授權
視訊

語音轉文字:Xeoma 語音辨識

免費試用

免費試用 Xeoma

輸入您的姓名和電郵以獲取免費演示授權。無需信用卡。

透過電郵獲取 Xeoma 免費演示授權

完整功能,即時發送。

請勿使用包含個人資料的電郵地址,或透過其他方式向我們傳送個人資料。如您仍選擇這樣做,提交此表格即表示您確認同意我們處理您的個人資料

需要按需求定制模組?

還有其他需求?

現有模組未完全符合您的需求?我們可為您開發所需功能,並以付費定制形式整合至 Xeoma。查看詳情。

有疑問?需要協助?歡迎聯絡我們!我們樂意為您服務!

準備好開始了嗎?

使用免費示範授權測試「語音轉文字」— 無需信用卡,亦無需提供個人資料。