一個功能完整、跨平台的專業音檔轉錄與翻譯工具，支援多種音檔格式，提供進階智慧音檔過濾、高精度語音轉錄以及最新 GPT-5 智慧翻譯功能。
✨ 最新版本 v2.2 - 重大更新：跨平台支援、進階音檔處理、完整 GUI 控制、強化錯誤處理
- 多格式支援：M4A、MP3、WAV、FLAC、AAC 等主流音檔格式
- ⭐ 智慧音檔過濾：
- 自動降噪與頻帶過濾（高通/低通濾波器）
- 語音頻段增強（300-3400Hz 人聲頻率）
- 動態範圍壓縮與音量標準化
- 可自訂所有音檔處理參數
- ⭐ 完整跨平台 FFmpeg 支援：
- 自動偵測系統路徑（Windows、macOS、Linux）
- macOS 支援 Homebrew（Intel 和 Apple Silicon）
- 智慧後備路徑與清晰的安裝指引
- 自動分割：將大檔案智慧分割為適合 API 處理的片段
- 批次處理：支援同時處理多個音檔
- OpenAI Whisper：業界領先的語音識別模型
- 自訂提示詞：可輸入專有名詞協助辨識精度
- 智慧噪聲過濾：自動移除轉錄結果中的無效內容（浮水印、時間戳記等）
- ⭐ GPT-5 翻譯：最新 GPT-5 旗艦模型，提供頂級的語意理解與翻譯品質
- 智慧角色切換：自動根據模型選擇正確的 API role（GPT-5 用 developer、GPT-4 系列用 system）
- 繁體中文（臺灣）：完全本地化的語言習慣
- 智慧分段：按邏輯主題自動分段整理
- 內容校正：修正語音轉文字的常見錯誤
- 可自訂系統提示詞：完全客製化翻譯行為
- 模型可切換：支援 GPT-5、GPT-4o、GPT-4.1 等多種模型
- ⭐ 全功能圖形化介面：
- 完整音檔過濾參數控制
- 即時驗證與智慧提示
- 詳細進度追蹤（檔案層級與片段層級）
- 可靠的停止功能
- 檔案存在性與權限檢查
- 錯誤處理與續處選項
- 命令列工具：適合自動化批次處理
- 即時日誌：完整的處理進度與詳細日誌記錄
- 結果管理：內建檢視、編輯、複製、匯出功能
graph TB
A[音檔輸入] --> B{檔案格式檢查}
B -->|支援格式| C[智慧音檔過濾]
B -->|不支援| X[錯誤提示]
C --> D[音檔分割處理]
D --> E[並行轉錄處理]
E --> F[Whisper 語音轉錄]
F --> G[噪聲文本過濾]
G --> H[GPT 翻譯潤飾]
H --> I[結果合併整理]
I --> J[輸出文字檔案]
K[使用者設定] --> L{介面類型}
L -->|GUI| M[圖形化介面]
L -->|CLI| N[命令列介面]
M --> O[檔案選擇]
M --> P[參數設定]
M --> Q[進度監控]
M --> R[結果檢視]
O --> A
P --> C
N --> A
style A fill:#e1f5fe
style C fill:#f3e5f5
style F fill:#e8f5e8
style H fill:#fff3e0
style J fill:#f1f8e9
- Python 3.7 或更高版本
- FFmpeg（用於音檔處理）
- OpenAI API Key
-
克隆專案
git clone https://github.com/sheng1111/M4A-Transcriber-TW.git cd M4A-Transcriber-TW -
安裝 Python 依賴
pip install -r requirements.txt
-
安裝 FFmpeg
Ubuntu/Debian:
sudo apt update sudo apt install ffmpeg
macOS:
brew install ffmpeg
Windows: 下載並安裝 FFmpeg
-
設定 API Key
建立
.env檔案：OPENAI_API_KEY=your_openai_api_key_here
python gui_app.py|
1. 基本設定頁面
|
2. 進階設定頁面
|
|
3. 結果檢視頁面
|
4. 處理日誌頁面
|
python app.py在 app.py 的 main() 函數中修改設定：
# 指定要處理的音檔
file_paths = ["./speech/example.m4a"]
output_file = "./text/example.txt"
# 自訂提示詞（選用）
whisper_prompt = "包含特殊詞彙或人名"
gpt_system_prompt = "自訂的翻譯指令"M4A-Transcriber-TW/
├── app.py # 核心音檔處理器（命令列版本）
├── gui_app.py # 圖形化使用者介面
├── requirements.txt # Python 依賴套件
├── .env # 環境變數設定檔案
├── .gitignore # Git 忽略檔案規則
├── LICENSE # 授權條款
├── README.md # 本說明文件
├── speech/ # 音檔輸入目錄
│ └── ...
└── text/ # 轉錄結果輸出目錄
└── ...
系統提供以下智慧過濾參數，所有參數皆可在 GUI 中調整：
| 參數 | 預設值 | 可調範圍 | 說明 |
|---|---|---|---|
| 高通濾波 | 80Hz | 0-500Hz | 去除低頻噪音（空調、風扇、隆隆聲） |
| 低通濾波 | 8000Hz | 3000-20000Hz | 保留語音頻譜，去除高頻噪音 |
| 目標音量 | -20.0dBFS | -30.0 至 -10.0dBFS | 標準化音量水平 |
| 壓縮比例 | 3.0 | 1.0-10.0 | 平衡音量差異（動態壓縮） |
| 降噪處理 | 啟用 | 開/關 | 智慧噪音抑制與標準化 |
| ⭐ 語音增強 | 啟用 | 開/關 | 增強 300-3400Hz 人聲頻段 |
| 分割大小 | 15MB | 5-25MB | API 處理的最大檔案大小 |
💡 提示：這些參數可在 GUI「基本設定」頁面中即時調整，提供最大的彈性以適應不同的音檔品質。
預設使用 GPT-5 模型（最新旗艦模型），系統提示詞針對繁體中文（臺灣）進行最佳化：
重要： GPT-5 和 GPT-4 系列使用不同的 API role：
- GPT-5 / o1 / o3 系列 → 使用
"developer"role - GPT-4o / GPT-4.1 / GPT-4 → 使用
"system"role - 系統會自動偵測並使用正確的 role，無需手動設定
你是一個專業的文本校正和翻譯專家，專門處理whisper語音轉文字後的內容，
將文本翻譯成繁體中文（臺灣），並進行校正和分段。
任務要求：
1. 翻譯: 將文本翻譯為繁體中文（臺灣）
2. 校正: 修正語音轉文字可能產生的錯誤，根據上下文進行合理修正
3. 去重: 刪除重複的語句和推廣用語
4. 分段: 將長文本按照邏輯主題進行分段，每段之間用空行分隔
5. 整理: 確保文本結構清晰，易於閱讀
💡 提示：系統提示詞可在 GUI「進階設定」頁面完全自訂。
sequenceDiagram
participant U as 使用者
participant GUI as GUI介面
participant AP as AudioProcessor
participant W as Whisper API
participant G as GPT API
U->>GUI: 選擇音檔
U->>GUI: 設定參數
U->>GUI: 開始轉錄
GUI->>AP: 初始化處理器
loop 每個音檔
AP->>AP: 音檔過濾與增強
AP->>AP: 分割為小片段
par 並行處理片段
AP->>W: 轉錄片段1
AP->>W: 轉錄片段2
AP->>W: 轉錄片段N
end
W-->>AP: 回傳轉錄結果
AP->>AP: 噪聲文本過濾
AP->>G: GPT翻譯潤飾
G-->>AP: 回傳翻譯結果
AP->>AP: 合併片段結果
AP->>AP: 儲存至文字檔
end
AP-->>GUI: 處理完成通知
GUI-->>U: 顯示結果
如需調整音檔過濾參數，可修改 AudioProcessor 類別中的 filter_audio 方法：
def filter_audio(self, audio,
high_pass_freq=100, # 調整高通濾波頻率
low_pass_freq=7000, # 調整低通濾波頻率
target_dBFS=-18.0, # 調整目標音量
compression_ratio=2.5, # 調整壓縮比例
enable_noise_reduction=True):建立自訂批次處理腳本：
from app import AudioProcessor
import os
def batch_process():
processor = AudioProcessor()
# 處理整個資料夾
audio_files = []
for file in os.listdir('./speech'):
if file.endswith(('.m4a', '.mp3', '.wav')):
audio_files.append(os.path.join('./speech', file))
for audio_file in audio_files:
output_file = f"./text/{os.path.splitext(os.path.basename(audio_file))[0]}.txt"
processor.process_files([audio_file], output_file)
if __name__ == "__main__":
batch_process()-
🌐 完整跨平台支援
- FFmpeg 自動偵測（Windows、macOS、Linux）
- 不再需要手動設定 FFmpeg 路徑
- 系統會自動尋找並使用正確的 FFmpeg 執行檔
-
🎛️ GUI 完整音檔參數控制
- 新增所有音檔過濾參數的 GUI 控制
- 即時調整高通/低通濾波、音量、壓縮比例
- 新增語音頻段增強選項（300-3400Hz）
-
⚡ 強化音檔處理演算法
- 新增智慧語音頻段增強
- 改進動態範圍偵測與處理
- 更詳細的音檔處理日誌
-
🛡️ 完整錯誤處理與驗證
- 開始前驗證檔案存在性與權限
- 單檔失敗可選擇繼續處理其他檔案
- 顯示詳細的成功/失敗統計
- 可靠的停止功能（不會遺失已完成的結果）
-
🔧 技術改進
- ⭐ 使用最新 GPT-5 模型（智慧角色切換）
- 自動偵測並使用正確的 API role（developer/system）
- macOS 完整支援（Intel + Apple Silicon）
- 修正 requirements.txt 編碼問題
- 大幅改進 .gitignore 涵蓋範圍
- 更好的執行緒安全性
- 所有現有的 CLI 腳本保持完全相容
- 舊的 .env 設定檔可直接使用
- API 介面保持不變
Q: API Key 設定後仍然無法使用
- 確認
.env檔案位於專案根目錄 - 檢查 API Key 是否正確且有足夠額度
- 使用 GUI 的「測試連線」功能驗證設定
- 確認網路連線正常
Q: 音檔轉錄結果為空
- 檢查音檔是否損壞或格式不支援
- 確認音檔中確實包含語音內容
- 嘗試在 GUI 調整音檔過濾參數（降低高通濾波、增加目標音量）
- 檢查日誌查看詳細錯誤訊息
Q: FFmpeg 相關錯誤
- ⭐ v2.2 已自動解決：系統現在會自動偵測 FFmpeg
- 確認已正確安裝 FFmpeg：
- Windows: 下載並安裝，確保加入 PATH
- macOS:
brew install ffmpeg - Linux:
sudo apt install ffmpeg
- 重啟應用程式讓系統重新偵測
Q: GUI 介面無法啟動
- 確認已安裝所有必要的 Python 套件：
pip install -r requirements.txt - 檢查 Tkinter 是否正確安裝（通常隨 Python 附帶）
- Linux 用戶可能需要：
sudo apt install python3-tk
Q: 處理過程中出現記憶體不足
- 在「基本設定」中降低分割大小（例如從 20MB 降至 15MB）
- 減少同時處理的檔案數量
- 關閉其他佔用記憶體的應用程式
- 並行處理：系統預設使用 3 個執行緒並行處理音檔片段
- 記憶體管理：大型音檔會自動分割以避免記憶體溢位
- 暫存清理：處理完成後會自動清理所有臨時檔案
- ⭐ 音檔參數調整：針對特定場景調整參數可大幅提升品質
- 音樂會/演唱會：降低高通濾波至 50Hz
- 電話錄音：調整低通濾波至 3500Hz
- 環境嘈雜：提高壓縮比例至 4.0-5.0
| 格式 | 副檔名 | 狀態 |
|---|---|---|
| M4A | .m4a | ✅ 完全支援 |
| MP3 | .mp3 | ✅ 完全支援 |
| WAV | .wav | ✅ 完全支援 |
| FLAC | .flac | ✅ 完全支援 |
| AAC | .aac | ✅ 完全支援 |
歡迎提交 Issue 和 Pull Request 來改善這個專案！
本專案採用 MIT 授權條款 - 詳見 LICENSE 檔案
開發者： Sheng1111 版本： 2.2 - 跨平台支援與進階音檔處理 最後更新： 2025年10月
本專案致力於提供一個專業、易用、跨平台的音檔轉錄解決方案，特別針對繁體中文（臺灣）使用者優化。我們持續改進音訊處理演算法、優化使用者體驗，並確保與最新 OpenAI API 的相容性。
- ✅ 使用最新 GPT-5 旗艦模型
- ✅ 智慧 API role 切換（GPT-5/o1/o3 用 developer，GPT-4 系列用 system）
- ✅ 完整跨平台 FFmpeg 支援（Windows + macOS [Intel/Apple Silicon] + Linux）
- ✅ GUI 音檔過濾參數完整控制
- ✅ 強化錯誤處理與驗證
- ✅ 新增語音頻段增強功能
- ✅ macOS Homebrew 多路徑智慧偵測
- 整合 API 設定與基本設定
- 改進 GUI 使用者介面
- 新增圖形化使用者介面
- 批次處理功能
如果這個工具對您有幫助，請給個 ⭐ 星星！