WEBVTT
Kind: captions
Language: zh-TW

00:00:00.240 --> 00:00:02.080
RTX是給我們的GPU

00:00:02.500 --> 00:00:04.240
DGX是給我們的系統

00:00:04.800 --> 00:00:05.860
現在DSX

00:00:06.180 --> 00:00:08.160
6月1日 泛科學完成了回答

00:00:08.160 --> 00:00:10.220
NVIDIA GTC 臺北2026 黃仁勳

00:00:10.240 --> 00:00:11.500
直播演講活動

00:00:11.500 --> 00:00:13.040
在兩個小時的直播當中

00:00:13.040 --> 00:00:14.760
做到即時繁體字幕翻譯

00:00:14.760 --> 00:00:16.220
當時就有很多觀眾詢問

00:00:16.220 --> 00:00:17.740
到底我們是用什麼軟體

00:00:17.740 --> 00:00:19.160
老實講這款工具

00:00:19.160 --> 00:00:20.220
是我們公司自己開發的

00:00:20.240 --> 00:00:21.700
只花三天就完成

00:00:21.700 --> 00:00:23.260
甚至一毛錢都沒有花到

00:00:23.260 --> 00:00:24.300
今天就來揭秘

00:00:24.300 --> 00:00:25.740
我們到底怎樣做到的

00:00:30.240 --> 00:00:32.200
好這個第一次的會員直播

00:00:32.200 --> 00:00:33.660
非常感謝大家的參加

00:00:33.660 --> 00:00:37.280
那這個是專門保留給我們實戰生

00:00:37.940 --> 00:00:40.220
以上的這個會員直播

00:00:40.240 --> 00:00:43.520
我們再次 用最誠摯的感謝

00:00:44.480 --> 00:00:46.540
感謝我們每一位加入會員的朋友

00:00:46.540 --> 00:00:48.400
最誠摯的感謝要怎麼進行

00:00:48.400 --> 00:00:49.520
最誠摯的感謝嗎

00:00:49.520 --> 00:00:50.220
磕頭

00:00:50.240 --> 00:00:51.100
喔 磕頭了

00:00:51.100 --> 00:00:52.240
我要趕快跪下

00:00:52.240 --> 00:00:54.420
好 但是麥克風擋住了

00:00:54.420 --> 00:00:55.040
對 沒辦法

00:00:55.040 --> 00:00:55.900
好 anyway 好

00:00:55.900 --> 00:00:59.480
我們其實從去年到今年

00:00:59.480 --> 00:01:00.220
我們對於

00:01:00.240 --> 00:01:04.540
都有受邀在我們的攝影棚直播

00:01:04.540 --> 00:01:06.700
然後跟我們的觀眾來聊

00:01:06.700 --> 00:01:10.220
這個GTC的黃仁勳的Keynote

00:01:10.240 --> 00:01:11.740
那因為他聽完演講

00:01:11.740 --> 00:01:13.460
不管是在哪個地方

00:01:13.460 --> 00:01:15.920
都是重要的產業資訊

00:01:15.920 --> 00:01:18.560
我們去年在做這個直播的時候

00:01:18.560 --> 00:01:20.140
我們沒有想到說

00:01:20.240 --> 00:01:22.740
要設計一個即時翻譯的功能

00:01:22.740 --> 00:01:24.920
因為我們那時候完全沒有覺得說

00:01:24.920 --> 00:01:26.760
那個 那件事情是成熟的

00:01:26.760 --> 00:01:29.300
但我們看到其他友臺

00:01:29.300 --> 00:01:30.220
有做這件事情

00:01:30.240 --> 00:01:31.560
收視率比我們

00:01:32.080 --> 00:01:33.500
觀看數比我們好很多

00:01:33.500 --> 00:01:34.760
同時觀看人數

00:01:34.760 --> 00:01:37.060
那當然其實那一次的直播

00:01:37.060 --> 00:01:38.480
我記得也有個

00:01:39.440 --> 00:01:40.220
一千多人

00:01:40.240 --> 00:01:42.200
最高到三千人是不是

00:01:42.640 --> 00:01:46.660
所以其實那也是我們算是創紀錄的一次直播

00:01:46.660 --> 00:01:46.840
是

00:01:46.840 --> 00:01:50.160
我在跟大家聊這個

00:01:50.240 --> 00:01:52.560
黃仁勳的直播內容的時候

00:01:52.560 --> 00:01:54.140
我是他直播到一半

00:01:54.140 --> 00:01:55.700
然後我就暫停

00:01:55.700 --> 00:01:56.660
然後跟大家說

00:01:56.660 --> 00:01:57.960
他剛才講的是什麼什麼

00:01:57.960 --> 00:01:58.960
對 是的

00:01:58.960 --> 00:01:59.680
所以同樣

00:01:59.680 --> 00:02:00.220
這是一個例子

00:02:00.240 --> 00:02:00.960
緊急任務

00:02:00.960 --> 00:02:02.380
對我們需要在

00:02:02.960 --> 00:02:06.860
直播的當下有一個同步的翻譯外掛

00:02:06.860 --> 00:02:08.320
他能夠出現在螢幕上

00:02:08.320 --> 00:02:09.500
正確率要高

00:02:09.500 --> 00:02:10.040
哎對

00:02:11.700 --> 00:02:14.380
然後不能有對岸的一些用語

00:02:14.380 --> 00:02:16.960
不能跑出來什麼簡體啊

00:02:16.960 --> 00:02:18.660
或是說用一些對岸的翻譯啊等等

00:02:18.660 --> 00:02:20.220
好 所以因應這個

00:02:20.240 --> 00:02:21.860
這個問題你怎麼解決

00:02:23.100 --> 00:02:24.480
你現在有一個禮拜的時間

00:02:24.480 --> 00:02:25.260
感謝

00:02:26.520 --> 00:02:28.860
其實後來最後只有三天

00:02:29.540 --> 00:02:29.980
因為

00:02:29.980 --> 00:02:30.220
因為

00:02:30.240 --> 00:02:32.540
因為你另外睡了三天這樣子

00:02:32.540 --> 00:02:34.120
沒有沒有 因為我聽到

00:02:34.120 --> 00:02:36.380
就是製作人橘橘

00:02:36.380 --> 00:02:38.200
跟我講說要做這件事情的時候

00:02:38.200 --> 00:02:40.100
我第一個想法是

00:02:40.100 --> 00:02:40.220
我想說

00:02:40.240 --> 00:02:40.920
我想裝死

00:02:40.920 --> 00:02:42.820
所以你回家先躺了三天

00:02:42.820 --> 00:02:44.180
我先要躺了三天

00:02:44.180 --> 00:02:45.260
不想面對這件事情

00:02:45.260 --> 00:02:46.640
直到他跟我講說

00:02:46.640 --> 00:02:48.320
不行我覺得這東西一定要做

00:02:48.320 --> 00:02:49.100
三天後要

00:02:49.100 --> 00:02:49.880
你做完了嗎

00:02:50.920 --> 00:02:52.420
但他沒有那麼惡劣啦

00:02:52.420 --> 00:02:52.980
他是說

00:02:52.980 --> 00:02:54.020
這種事情只有我會做

00:02:54.020 --> 00:02:55.360
可不可以做一下研究

00:02:55.360 --> 00:02:57.560
就是到底能不能做這件事情

00:02:57.560 --> 00:03:00.220
所以才開始了這場奇怪的旅程

00:03:00.240 --> 00:03:03.260
那個東西大家在直播上面看到的長這個樣子

00:03:03.260 --> 00:03:04.180
下面有一個

00:03:04.180 --> 00:03:05.000
有英文

00:03:05.000 --> 00:03:07.160
有英文然後有中文翻譯

00:03:07.160 --> 00:03:08.060
有兩行

00:03:08.060 --> 00:03:10.000
其實嚴格來說是四行

00:03:10.240 --> 00:03:11.080
對對對對對

00:03:11.080 --> 00:03:13.080
就是這樣一直滾一直滾一直滾

00:03:13.080 --> 00:03:14.600
對對對對對

00:03:14.600 --> 00:03:15.540
那他真實

00:03:15.540 --> 00:03:16.580
可是我覺得這很聰明

00:03:16.580 --> 00:03:19.880
因為其實還是會有一點點的延誤嘛

00:03:19.880 --> 00:03:20.180
對

00:03:20.240 --> 00:03:23.300
所以說 因為現在反而是

00:03:23.300 --> 00:03:24.380
那個Google

00:03:24.900 --> 00:03:27.180
YouTube它自己的那個

00:03:27.180 --> 00:03:28.080
那個叫什麼

00:03:28.080 --> 00:03:29.840
就是你點機器翻譯的那個方案

00:03:29.840 --> 00:03:30.220
它們自己的那個方案

00:03:30.240 --> 00:03:31.080
都只出現一行

00:03:31.560 --> 00:03:32.680
我覺得那個反而比較不好

00:03:32.680 --> 00:03:33.680
我覺得兩行比較好

00:03:33.680 --> 00:03:35.540
-這個其實後面都會提到

00:03:35.540 --> 00:03:36.600
-這都不是我的想法

00:03:37.880 --> 00:03:40.220
-然後他真實的樣子長起來

00:03:40.240 --> 00:03:40.900
會是這樣子

00:03:40.900 --> 00:03:42.120
它就是一個Chrome外掛

00:03:42.120 --> 00:03:43.420
你直接點開之後

00:03:43.420 --> 00:03:45.960
然後下面這邊就是它會顯示那個

00:03:46.640 --> 00:03:47.740
字幕的地方

00:03:47.740 --> 00:03:49.400
然後這邊有一個簡單的

00:03:49.400 --> 00:03:50.220
因為那時候時間不夠

00:03:50.240 --> 00:03:52.740
就只有做簡單的說你字幕可以變大變小

00:03:52.740 --> 00:03:57.140
因為我想說就是直播的時候可能會有需要調整畫面的問題

00:03:57.140 --> 00:03:57.780
所以有這個

00:03:57.780 --> 00:03:59.980
然後這個這個對話框

00:03:59.980 --> 00:04:00.220
喔是這個

00:04:00.240 --> 00:04:01.760
所以我們最終的解決方案

00:04:01.760 --> 00:04:03.060
就是一個Chrome的外掛

00:04:03.060 --> 00:04:04.860
對 然後這個對話框是可以

00:04:04.860 --> 00:04:06.300
因為你要在OBS上面

00:04:06.300 --> 00:04:07.700
要能夠排到正確位置嘛

00:04:07.700 --> 00:04:09.540
所以這個Chrome對話框是可以移動的

00:04:10.340 --> 00:04:12.600
OK 對 所以你會看到現在在這個位置

00:04:12.600 --> 00:04:14.640
但是我們之前在這個位置是因為

00:04:14.640 --> 00:04:16.620
就是可以直接動它去做拍板

00:04:16.620 --> 00:04:16.820
嗯

00:04:16.820 --> 00:04:17.240
對

00:04:17.740 --> 00:04:20.220
那一開始其實完全沒有

00:04:21.000 --> 00:04:24.340
對我必須說真的一點都不順利

00:04:24.840 --> 00:04:26.800
因為呢我一開始的想法太簡單

00:04:26.800 --> 00:04:27.680
我一開始的想法就是

00:04:28.360 --> 00:04:30.220
剛前面有那個流程圖嗎

00:04:30.240 --> 00:04:32.300
就是收聲音 做逐字稿翻譯

00:04:32.300 --> 00:04:33.960
然後接著顯示我的字幕

00:04:33.960 --> 00:04:36.180
對 然後我一開始想法就這麼簡單

00:04:36.180 --> 00:04:37.660
就是收電腦的聲音源

00:04:37.660 --> 00:04:40.220
然後就直接進去Google服務

00:04:40.240 --> 00:04:43.220
裡面用Gemini Live API 直接全部做完

00:04:43.220 --> 00:04:45.660
然後如何顯示呢 我就想說

00:04:46.160 --> 00:04:48.760
既然我們是用OBS直播 那就打回OBS吧

00:04:49.360 --> 00:04:50.220
對 然後我就

00:04:51.520 --> 00:04:56.640
其實剛才講的事情就我們不會特地再一一細說

00:04:56.640 --> 00:04:58.480
因為那些其實是很基本的事情

00:04:58.480 --> 00:05:00.220
但是真正遇到的問題

00:05:00.240 --> 00:05:01.460
現在才開始

00:05:01.460 --> 00:05:02.220
應該是說

00:05:02.220 --> 00:05:05.020
你可以任意丟你想要做的東西

00:05:05.020 --> 00:05:06.320
跟你的規劃進去

00:05:06.320 --> 00:05:08.980
但是我現在要跟大家講的事情是

00:05:08.980 --> 00:05:10.220
你要承認

00:05:10.240 --> 00:05:12.160
你可能想法是有錯的

00:05:12.160 --> 00:05:13.580
不能這樣子做

00:05:13.580 --> 00:05:16.020
就算AI一直在鼓勵你

00:05:16.020 --> 00:05:17.520
AI其實那時候一直在鼓勵我說

00:05:17.520 --> 00:05:18.980
你再繼續這樣子做下去

00:05:18.980 --> 00:05:20.140
真的可以做得出來的

00:05:20.140 --> 00:05:20.220
你不要再這樣

00:05:20.240 --> 00:05:21.620
你相信我品質一定可以到的

00:05:21.620 --> 00:05:23.260
但你真的要自己想一下

00:05:23.260 --> 00:05:25.280
這到底是不是一個合理的事情

00:05:25.280 --> 00:05:25.540
對

00:05:25.540 --> 00:05:27.420
那我後面真的是我

00:05:27.420 --> 00:05:29.880
我請他用Gemini來所有服務去做了一遍

00:05:29.880 --> 00:05:30.220
我發現真的

00:05:30.240 --> 00:05:32.480
字幕翻譯的正確跟即時性都做不到

00:05:32.480 --> 00:05:34.040
我覺得他鼓勵你很有意義啊

00:05:34.040 --> 00:05:36.100
因為這樣子你才會繼續花token啊

00:05:36.100 --> 00:05:38.140
然後在這個錯誤的迴圈裡面打轉

00:05:38.140 --> 00:05:39.560
啊沒錯然後花很多錢

00:05:39.560 --> 00:05:39.920
對

00:05:40.240 --> 00:05:41.540
那我在那邊也燒了

00:05:41.540 --> 00:05:42.920
基本上也是某種仙人跳

00:05:42.920 --> 00:05:43.560
還是什麼

00:05:44.280 --> 00:05:45.900
AI仙人跳 新版的

00:05:45.900 --> 00:05:46.940
某種詐騙

00:05:46.940 --> 00:05:48.100
但他很有趣

00:05:48.100 --> 00:05:49.680
他還是很誠實的告訴你說

00:05:49.680 --> 00:05:50.220
我就是

00:05:50.240 --> 00:05:51.120
我們試了這麼多

00:05:51.120 --> 00:05:53.540
至少這件事情他還是會誠實講

00:05:53.540 --> 00:05:54.420
就我們試了這麼多

00:05:54.420 --> 00:05:55.180
他告訴我

00:05:55.180 --> 00:05:56.900
跟我實測的結果是一致的

00:05:56.900 --> 00:05:57.120
就是

00:05:58.160 --> 00:05:59.920
逐字稿加即時翻譯

00:05:59.920 --> 00:06:00.220
用句子翻譯

00:06:00.240 --> 00:06:01.520
Gemini的服務最快

00:06:01.520 --> 00:06:03.220
就是要兩秒它才會出現

00:06:03.740 --> 00:06:05.340
兩秒聽起來很短

00:06:05.800 --> 00:06:07.980
兩秒我一開始也覺得很短

00:06:07.980 --> 00:06:09.180
所以我就說你可以做

00:06:09.180 --> 00:06:10.220
就是跟AI講可以做

00:06:10.240 --> 00:06:14.300
做完之後一看 不行欸

00:06:14.300 --> 00:06:16.820
你有做完一個東西然後測試過

00:06:16.820 --> 00:06:17.200
我做完了 對對對

00:06:17.200 --> 00:06:18.820
我做完了一個東西直接測試了

00:06:18.820 --> 00:06:19.520
然後不行

00:06:19.520 --> 00:06:20.220
就是那個東西

00:06:20.240 --> 00:06:21.120
字幕打出來

00:06:21.680 --> 00:06:23.040
你知道他已經兩秒

00:06:23.040 --> 00:06:24.340
我們可以講多少次

00:06:24.340 --> 00:06:25.960
我們剛剛現在這樣子講話

00:06:25.960 --> 00:06:27.740
兩秒已經講完兩句話了

00:06:27.740 --> 00:06:29.640
所以那個就等於是說

00:06:29.640 --> 00:06:30.220
我其實沒有

00:06:30.240 --> 00:06:33.160
每一個字幕都是在講他前面在講的東西

00:06:33.160 --> 00:06:36.880
對 這個就會讓我們的眼睛耳朵

00:06:36.880 --> 00:06:38.740
反正整個大腦很不協調

00:06:38.740 --> 00:06:40.220
你看黃仁勳在這邊講一句話

00:06:40.240 --> 00:06:42.080
已經講到後面兩句話了

00:06:42.080 --> 00:06:43.740
然後畫面才吐出

00:06:43.740 --> 00:06:46.800
兩秒之前 兩句話之前的內容

00:06:47.640 --> 00:06:48.540
就很尷尬

00:06:48.540 --> 00:06:50.220
對 就是兩秒

00:06:50.240 --> 00:06:51.780
兩秒前是完全不能接受

00:06:51.780 --> 00:06:52.560
我後來才發現

00:06:52.560 --> 00:06:54.360
連兩秒都沒辦法

00:06:55.060 --> 00:06:56.920
我後來發現我穩能接受

00:06:56.920 --> 00:06:59.060
因為我後來有做一些調查

00:06:59.060 --> 00:07:00.220
我後來能接受的是兩秒前

00:07:00.240 --> 00:07:01.280
0.5秒內

00:07:03.100 --> 00:07:04.640
我們的視覺感

00:07:04.640 --> 00:07:05.940
這些東西才

00:07:05.940 --> 00:07:07.740
才勉強可以接受的

00:07:07.740 --> 00:07:09.900
勉強而已 0.5秒就勉強而已

00:07:10.240 --> 00:07:11.040
廣告插播

00:07:20.240 --> 00:07:21.080
初期導入AI時

00:07:21.080 --> 00:07:22.980
該留意哪些容易被忽略的資安問題

00:07:22.980 --> 00:07:23.860
如果你也想知道

00:07:23.860 --> 00:07:25.220
現在就加入實戰生會員

00:07:25.220 --> 00:07:26.360
我們7月28日見

00:07:30.240 --> 00:07:31.040
失敗的螺旋

00:07:31.740 --> 00:07:33.420
我就想啊 我這麼聰明

00:07:34.640 --> 00:07:34.900
是這樣

00:07:34.900 --> 00:07:35.460
呃

00:07:35.920 --> 00:07:37.820
我做不出來 難道有人做得出來嗎

00:07:38.260 --> 00:07:39.120
我真的這樣想

00:07:39.120 --> 00:07:40.220
就是有人做得出來

00:07:40.840 --> 00:07:42.500
真的有人可以做出這種東西嗎

00:07:42.500 --> 00:07:43.580
我已經搞得這樣子

00:07:43.580 --> 00:07:45.260
我都沒有成功

00:07:45.260 --> 00:07:48.340
0.5秒內讓我感覺是正確的東西

00:07:48.340 --> 00:07:49.720
有人做出來啊

00:07:50.240 --> 00:07:51.820
我找了還真有

00:07:52.500 --> 00:07:54.920
現在畫面上看到的這兩個截圖

00:07:54.920 --> 00:07:56.040
一個叫VTOL

00:07:56.040 --> 00:07:59.120
那你各位如果仔細去用

00:07:59.120 --> 00:08:00.220
去裝它是一個

00:08:00.240 --> 00:08:01.540
也是Chrome的外掛

00:08:01.540 --> 00:08:02.820
你裝起來你會發現

00:08:02.820 --> 00:08:04.420
我剛做的那個服務

00:08:04.420 --> 00:08:05.520
基本上完全是超他的

00:08:05.520 --> 00:08:06.120
好這樣子

00:08:06.620 --> 00:08:08.780
然後另外一個是旁邊這一個是

00:08:08.780 --> 00:08:09.800
Mistral

00:08:10.240 --> 00:08:14.460
對 就是他們做的這個Live的Demo其實也做得非常好

00:08:14.460 --> 00:08:16.360
那我那時候有用 是可以用的

00:08:16.360 --> 00:08:17.600
他們也是Chrome外掛嗎?

00:08:17.860 --> 00:08:20.220
他們不只做Chrome外掛 他連OBS的線也做

00:08:20.240 --> 00:08:20.860
一切全部都做

00:08:20.860 --> 00:08:21.280
哦

00:08:21.280 --> 00:08:22.900
所以有人做出來

00:08:22.900 --> 00:08:24.300
對 有人做出來了

00:08:24.300 --> 00:08:26.680
而且都可以做到0.5秒內

00:08:26.680 --> 00:08:28.100
對 那我們就直接用了

00:08:28.100 --> 00:08:29.720
對 那就直接用啊

00:08:29.720 --> 00:08:29.960
那

00:08:30.240 --> 00:08:31.500
發生什麼事呢

00:08:31.500 --> 00:08:34.020
因為他們都只支援簡體中文

00:08:34.020 --> 00:08:35.820
蛤 所以如果

00:08:36.440 --> 00:08:38.080
這麼不臺灣友善

00:08:38.080 --> 00:08:40.220
完全沒有繁體中文的選項

00:08:40.240 --> 00:08:47.180
就算是那個,我記得那個Mistral應該是法國的公司,就算是他們做出來的服務也都不支援繁體中文

00:08:50.240 --> 00:08:50.960
所以你知道

00:08:50.960 --> 00:08:52.620
不是對各位觀眾

00:08:52.620 --> 00:08:53.140
欸你

00:08:53.140 --> 00:08:55.480
那些服務你猜是怎麼做

00:08:55.480 --> 00:08:56.560
做到這件事情

00:08:56.560 --> 00:08:57.740
就這樣問喔

00:08:57.740 --> 00:08:59.660
對 然後我就截那張圖給他

00:08:59.660 --> 00:09:00.220
就是我說的那張圖

00:09:00.240 --> 00:09:01.260
這個服務長這個樣子

00:09:01.260 --> 00:09:03.420
就是VTOL那個服務長這個樣子

00:09:03.420 --> 00:09:03.840
然後我就說

00:09:03.840 --> 00:09:04.660
可以這樣問喔

00:09:04.660 --> 00:09:06.860
你去分析一下他為什麼

00:09:06.860 --> 00:09:09.200
他為什麼可以抓到這麼乾淨的聲音

00:09:09.700 --> 00:09:10.220
然後他就說

00:09:10.240 --> 00:09:12.180
就直接說 你有發現嗎

00:09:12.180 --> 00:09:15.220
在那個youtube的那個上面

00:09:15.220 --> 00:09:18.240
就是那個分頁 在Chrome上面那個分頁

00:09:18.240 --> 00:09:20.220
他旁邊如果你現在是在錄影

00:09:20.240 --> 00:09:21.560
或是在截圖

00:09:21.560 --> 00:09:22.620
它會有個點嘛

00:09:22.620 --> 00:09:24.360
或是有一個框嘛

00:09:24.360 --> 00:09:25.540
他就說你有發現嗎

00:09:25.540 --> 00:09:26.520
那上面有框

00:09:26.520 --> 00:09:27.220
對對對

00:09:27.220 --> 00:09:28.220
那個Plugin其實

00:09:28.220 --> 00:09:30.220
直接去對接了Chrome後面的

00:09:30.240 --> 00:09:34.100
後面有一個是專門抓單一分頁聲音的功能

00:09:35.140 --> 00:09:35.980
哦~~

00:09:35.980 --> 00:09:38.780
我不知道大家有沒有用過Chrome的那個輔助功能

00:09:38.780 --> 00:09:39.980
可能很少人知道 就是你可以

00:09:40.240 --> 00:09:42.560
讓你可以進你的Chrome的設定裡面

00:09:42.560 --> 00:09:44.220
然後你進那個輔助功能

00:09:44.220 --> 00:09:45.540
你點開之後會有一個

00:09:46.140 --> 00:09:48.080
給聾啞人士的輔助功能

00:09:48.080 --> 00:09:49.860
那他就會直接無障礙

00:09:49.860 --> 00:09:50.220
他直接輸入

00:09:50.240 --> 00:09:51.640
直接把聲音變成字幕

00:09:52.140 --> 00:09:55.500
那我一開始其實在研究的時候也有要選用這一個

00:09:55.500 --> 00:09:58.140
但因為它的服務真的就是延遲太久了

00:09:58.140 --> 00:09:59.160
我沒有辦法接受

00:09:59.160 --> 00:10:00.220
所以才用自己開發的

00:10:00.240 --> 00:10:02.320
所以我們那個時候沒有疑問說

00:10:02.320 --> 00:10:04.040
他那個輔助服務是怎麼做到

00:10:04.040 --> 00:10:05.020
但很顯然的是

00:10:05.020 --> 00:10:06.420
他看到那些東西之後

00:10:06.420 --> 00:10:07.980
他抓到那個關鍵點是

00:10:08.460 --> 00:10:10.160
Chrome後面其實有一個

00:10:10.240 --> 00:10:11.680
專門for聲音的通道

00:10:11.680 --> 00:10:14.660
而且是for單一分頁輸出的聲音通道

00:10:15.200 --> 00:10:16.980
而且他還繼續說明了就是

00:10:16.980 --> 00:10:18.860
其實不只是VTOL這個服務

00:10:18.860 --> 00:10:20.220
所有你看到的

00:10:20.240 --> 00:10:23.460
包含任何翻譯的服務

00:10:23.460 --> 00:10:25.960
就是用聲音直接做翻譯組織

00:10:25.960 --> 00:10:27.380
組織翻譯的這個服務

00:10:27.380 --> 00:10:29.180
他都是基本上走這條線

00:10:29.180 --> 00:10:30.220
然後他

00:10:30.240 --> 00:10:34.020
它的通用除了Netflix之類會擋的

00:10:34.020 --> 00:10:36.960
Netflix很正確也很聰明的

00:10:36.960 --> 00:10:39.740
避免所有盜版的疑慮這樣子

00:10:39.740 --> 00:10:40.220
就是除了Netflix之外

00:10:40.240 --> 00:10:41.480
除了這個會擋之外

00:10:41.480 --> 00:10:43.440
其實Youtube Twitch那些

00:10:43.440 --> 00:10:44.700
都可以用這一套玩

00:10:46.060 --> 00:10:48.340
所以他就給了我一個全新的方向啊

00:10:48.340 --> 00:10:50.220
就是我根本不需要去抓我自己的

00:10:50.240 --> 00:10:52.100
電腦內的聲音輸出

00:10:52.100 --> 00:10:53.200
我可以直接去抓

00:10:53.200 --> 00:10:54.920
那一個分頁的聲音輸出就好

00:10:54.920 --> 00:10:56.400
那不就是精準的了嗎

00:10:56.400 --> 00:10:57.020
對對對對

00:10:57.020 --> 00:10:58.480
就不會有什麼雜音了

00:10:58.480 --> 00:10:58.680
對

00:10:59.220 --> 00:10:59.940
那這也是

00:11:00.240 --> 00:11:01.320
我不可能想到的

00:11:01.320 --> 00:11:02.280
這是AI告訴我

00:11:02.800 --> 00:11:03.160
對

00:11:03.160 --> 00:11:05.300
然後怎麼做到即時翻譯跟逐字稿

00:11:05.300 --> 00:11:05.680
我就說

00:11:06.220 --> 00:11:07.560
我看那些服務

00:11:07.560 --> 00:11:08.840
他們0.5秒內

00:11:08.840 --> 00:11:10.220
甚至有些可能是瞬間那個

00:11:10.240 --> 00:11:12.000
那個人才講完就直接跑出字來

00:11:12.000 --> 00:11:13.180
他怎麼做到的

00:11:13.180 --> 00:11:16.520
他說Google這邊在做的服務

00:11:16.520 --> 00:11:18.360
都是整合型的AI

00:11:18.360 --> 00:11:20.220
所以他並沒有特別強化

00:11:20.240 --> 00:11:21.840
某一個功能

00:11:21.840 --> 00:11:23.020
但是他說就是有特別

00:11:23.020 --> 00:11:25.820
有專門的公司提供的API

00:11:25.820 --> 00:11:28.260
就是專門在做逐字稿的服務

00:11:28.260 --> 00:11:30.220
然後跟做翻譯的服務

00:11:30.240 --> 00:11:31.220
我一開始也聽不懂這什麼

00:11:31.220 --> 00:11:33.460
反正就請他問他說這啥東西

00:11:33.460 --> 00:11:34.640
他就會跟你解釋

00:11:34.640 --> 00:11:35.280
繼續追問

00:11:35.280 --> 00:11:35.940
對對對

00:11:35.940 --> 00:11:36.680
然後解釋完之後

00:11:36.680 --> 00:11:37.820
我聽完之後我就覺得

00:11:37.820 --> 00:11:39.160
嗯你說的真正確呢

00:11:39.160 --> 00:11:40.220
應該要去用

00:11:40.240 --> 00:11:41.800
應該要去用那些東西

00:11:42.560 --> 00:11:43.700
然後我就說那

00:11:43.700 --> 00:11:46.360
要用原本我們想要用的那個Live API

00:11:46.360 --> 00:11:47.260
對對對對

00:11:47.260 --> 00:11:48.760
不好意思啊Google

00:11:48.760 --> 00:11:50.220
那時候還不是很好用

00:11:50.240 --> 00:11:53.020
但現在有一些更新也許不太一樣

00:11:53.020 --> 00:11:53.680
I don't know

00:11:54.080 --> 00:11:55.900
但反正那個時候我就被說服了

00:11:55.900 --> 00:11:57.740
然後我就請他說

00:11:57.740 --> 00:11:59.740
那有沒有額度比較低的

00:12:00.240 --> 00:12:01.800
廢的可以讓我先悠悠看

00:12:01.800 --> 00:12:02.720
這幾個服務

00:12:02.720 --> 00:12:03.620
然後就提供了

00:12:03.620 --> 00:12:05.060
就我後面會講的那兩個

00:12:05.780 --> 00:12:08.180
我們最重要的就是那這兩次API啦

00:12:08.180 --> 00:12:09.400
第一個是逐字稿

00:12:09.400 --> 00:12:10.220
就是ASR

00:12:10.240 --> 00:12:14.580
的API 它這個老牌的就是Deepgram這個API

00:12:14.580 --> 00:12:16.300
對 那它不只是

00:12:17.200 --> 00:12:20.220
它不只是快 它平均0.2秒就有了

00:12:20.240 --> 00:12:21.180
就會直接反應了

00:12:21.180 --> 00:12:21.740
哦

00:12:21.740 --> 00:12:23.200
對 就是你聲音會一直

00:12:23.200 --> 00:12:24.060
剛才說是2秒

00:12:24.060 --> 00:12:24.960
這個0.2秒

00:12:24.960 --> 00:12:26.140
對 0.2秒

00:12:26.140 --> 00:12:26.800
平均

00:12:26.800 --> 00:12:27.540
哦 差很多欸

00:12:27.540 --> 00:12:29.080
對 差非常多

00:12:29.080 --> 00:12:30.220
所以這個東西

00:12:30.240 --> 00:12:31.820
東西一進去的時候

00:12:31.820 --> 00:12:32.900
吐出來

00:12:32.900 --> 00:12:34.920
然後我再瞬間丟到旁邊這個DeepL

00:12:34.920 --> 00:12:37.740
他也是一個專門做翻譯的API

00:12:37.740 --> 00:12:39.260
DeepL其實大家應該

00:12:39.260 --> 00:12:40.220
多少有聽過

00:12:40.240 --> 00:12:46.560
因為他在這個生成式AI之前就把翻譯做得很好

00:12:47.400 --> 00:12:50.140
然後他繁體中文的資源也是很好的

00:12:50.240 --> 00:12:52.860
對,所以後來我發現到

00:12:52.860 --> 00:12:56.260
後來我發現到這個東西這樣接起來之後

00:12:56.260 --> 00:12:58.680
可以就大概0.3秒就直接出了

00:12:59.280 --> 00:12:59.680
所以

00:13:00.240 --> 00:13:03.620
這個就符合我們0.5秒之內的目標

00:13:03.620 --> 00:13:05.740
然後因為DeepL的翻譯非常的到位

00:13:05.740 --> 00:13:07.840
我們基本上只要跟他講一下

00:13:07.840 --> 00:13:10.220
到底我們臺灣是什麼樣的國家

00:13:10.240 --> 00:13:11.700
他大概就知道

00:13:11.700 --> 00:13:13.480
反正這也是AI幫我調的

00:13:13.480 --> 00:13:14.880
我也不知道他怎麼調的

00:13:14.880 --> 00:13:16.580
他就不會選一些

00:13:16.580 --> 00:13:18.660
譬如是非臺灣用語

00:13:18.660 --> 00:13:19.440
對對對對

00:13:20.240 --> 00:13:22.000
Chrome的版本 那這邊要提醒一下

00:13:22.000 --> 00:13:23.500
如果你想要做同樣的事情的話

00:13:23.500 --> 00:13:25.940
請記得要去你的

00:13:25.940 --> 00:13:28.480
Chrome裡面的Plugin開啟你的

00:13:28.900 --> 00:13:30.220
那個 開發者會

00:13:30.240 --> 00:13:33.000
模式對你的你的空的那個

00:13:33.000 --> 00:13:34.820
plugin裡面有個開發者模式

00:13:34.820 --> 00:13:35.620
你打開來之後

00:13:35.620 --> 00:13:38.160
你就可以把還沒有上架的

00:13:38.640 --> 00:13:40.220
那個外掛直接丟到裡面去

00:13:40.700 --> 00:13:42.580
先內部測試一下

00:13:42.580 --> 00:13:44.700
就像Apple我還沒有上到App Store之前

00:13:44.700 --> 00:13:46.980
我可以自己先測試

00:13:46.980 --> 00:13:47.840
對對對

00:13:47.840 --> 00:13:49.200
然後這邊的話就是

00:13:49.200 --> 00:13:50.220
所有我

00:13:50.240 --> 00:13:55.600
我用到的這一個即時翻譯系統的功能

00:13:55.600 --> 00:13:59.040
那如果你們想要自己刻一個出來

00:13:59.040 --> 00:14:00.220
也歡迎你們自己去試試看

00:14:00.240 --> 00:14:01.360
直接把這張圖截下來

00:14:01.360 --> 00:14:02.680
然後就直接丟上去

00:14:02.680 --> 00:14:05.660
所以現在AI就是聰明到可以

00:14:06.220 --> 00:14:07.140
就這樣做完

00:14:07.140 --> 00:14:10.000
這其實才是我認為AI應該真正的樣子

00:14:10.000 --> 00:14:10.160
就是

00:14:10.240 --> 00:14:13.200
就是有某一個人可能像這樣子走過了那一條路

00:14:13.200 --> 00:14:15.060
然後他就會把這個軌跡記下來之後

00:14:15.060 --> 00:14:17.200
下一個人就不需要再碰這些坑了

00:14:17.200 --> 00:14:18.140
他就可以直接拿著這個

00:14:18.140 --> 00:14:19.840
這skill也是這個概念嘛

00:14:20.240 --> 00:14:22.160
那這個又花了我們多少錢呢

00:14:23.160 --> 00:14:23.580
零

00:14:24.600 --> 00:14:25.020
哪裡

00:14:26.400 --> 00:14:27.400
為什麼是零

00:14:27.400 --> 00:14:29.620
因為那個Deepgram它你登錄

00:14:29.620 --> 00:14:30.220
你登錄之後

00:14:30.660 --> 00:14:32.040
他就送你兩百美金

00:14:32.580 --> 00:14:33.060
然後我們

00:14:33.060 --> 00:14:34.180
開局就送魔關羽

00:14:34.180 --> 00:14:35.120
開局就送魔關羽

00:14:35.120 --> 00:14:36.300
然後我測試完之後

00:14:36.300 --> 00:14:37.500
一個小時的這個

00:14:38.020 --> 00:14:39.020
API使用

00:14:39.740 --> 00:14:40.060
呃

00:14:40.060 --> 00:14:40.220
一秒鐘

00:14:41.120 --> 00:14:43.980
所以等於他送你兩百個小時可以做逐字稿轉的

00:14:43.980 --> 00:14:45.420
我們可以用兩百年

00:14:45.420 --> 00:14:46.940
對我們應該用不完

00:14:46.940 --> 00:14:48.280
兩百年的老黃

00:14:48.280 --> 00:14:49.500
對演講我們包了

00:14:49.500 --> 00:14:50.080
然後

00:14:50.240 --> 00:14:54.160
然後DeepL的話是進去之後送你五十萬字翻譯

00:14:54.760 --> 00:14:57.000
對 那用的比較多啦

00:14:57.000 --> 00:14:59.360
就是大概一個小時會用掉四萬

00:14:59.360 --> 00:14:59.760
嗯

00:14:59.760 --> 00:15:00.220
對

00:15:00.680 --> 00:15:02.380
出來的時候翻譯就跟著走了

00:15:02.380 --> 00:15:04.420
他是同步喔 基本同步

00:15:04.880 --> 00:15:05.800
他更快啊

00:15:05.800 --> 00:15:07.880
他更快 但是他的做法其實很有趣

00:15:07.880 --> 00:15:10.040
他的做法其實是 因為那一句還沒

00:15:10.040 --> 00:15:10.220
還沒講完

00:15:10.240 --> 00:15:10.920
還沒講完

00:15:10.920 --> 00:15:12.040
但是他可能有個斷點了

00:15:12.040 --> 00:15:13.820
他就先送那個deep L

00:15:13.820 --> 00:15:15.680
就直接先寫出那一行

00:15:15.680 --> 00:15:16.320
欸等一下等一下

00:15:16.320 --> 00:15:17.100
我問一下就是說

00:15:17.460 --> 00:15:18.680
這句話那邊講完

00:15:19.180 --> 00:15:20.220
對他講了前兩個

00:15:20.240 --> 00:15:22.180
三個字前三個字 對對對對

00:15:22.180 --> 00:15:23.100
然後後面還在講

00:15:23.100 --> 00:15:25.020
後面還在講 但他就先送翻譯了

00:15:25.020 --> 00:15:26.220
It's a very

00:15:26.220 --> 00:15:28.600
然後他這邊就會說 這是非常

00:15:29.220 --> 00:15:30.220
但後面就是還沒講完

00:15:30.240 --> 00:15:31.240
他就先翻譯了

00:15:31.240 --> 00:15:31.480
對

00:15:32.080 --> 00:15:32.980
為什麼他要這樣做

00:15:32.980 --> 00:15:34.000
因為看起來

00:15:34.000 --> 00:15:35.280
就讓你覺得很即時嘛

00:15:35.280 --> 00:15:37.120
對 看起來就是完全即時啊

00:15:37.120 --> 00:15:38.680
連翻譯都即時了嘛

00:15:38.680 --> 00:15:40.000
但是他的做法其實是

00:15:40.240 --> 00:15:42.580
如果各位看我們的直播的時候會發現

00:15:42.580 --> 00:15:45.240
他是一句話完整之後才會出現那個翻譯

00:15:45.240 --> 00:15:47.600
他的概念就是當那句話還沒出來之前

00:15:47.600 --> 00:15:49.420
我就送好幾次翻譯

00:15:49.420 --> 00:15:50.220
所以我

00:15:50.240 --> 00:15:53.520
我那時候計算啊 會是 如果用他那個方式做的話

00:15:53.520 --> 00:15:55.900
會用到三四倍的用量

00:15:55.900 --> 00:15:57.440
你一句話拆了三四句嘛

00:15:57.440 --> 00:15:57.920
對對對

00:15:57.920 --> 00:16:00.220
服務 就是你看我在做的是逆向攻擊

00:16:00.240 --> 00:16:01.600
我並不是在做那個

00:16:01.600 --> 00:16:02.880
你沒有逆向過他

00:16:02.880 --> 00:16:03.660
沒有去思考過

00:16:03.660 --> 00:16:04.880
其實你也不知道這些事情

00:16:04.880 --> 00:16:06.120
為什麼可以這樣發生

00:16:06.120 --> 00:16:07.940
對 我覺得這個案例

00:16:07.940 --> 00:16:10.120
我覺得特別要跟大家分享的就是

00:16:10.740 --> 00:16:16.620
我們第一個在很短的時間之內做到了一件我們去年都覺得還做不到的事情

00:16:16.620 --> 00:16:18.640
然後我們做的品質很好

00:16:19.280 --> 00:16:20.080
而且我們

00:16:20.240 --> 00:16:22.800
最終感謝身為奴隸

00:16:22.800 --> 00:16:24.400
我們並沒有花到什麼錢

00:16:24.400 --> 00:16:25.160
然後

00:16:26.840 --> 00:16:28.500
而且我們是用

00:16:28.500 --> 00:16:29.680
讓

00:16:30.240 --> 00:16:31.380
AI告訴我們

00:16:31.380 --> 00:16:32.740
人家可以做到

00:16:32.740 --> 00:16:33.960
我們要怎麼做到

00:16:33.960 --> 00:16:35.540
的方式來做這件事情

00:16:35.940 --> 00:16:36.820
所以我覺得有時候

00:16:37.340 --> 00:16:38.820
大家可能會在想說

00:16:38.820 --> 00:16:39.860
我要下什麼prompt

00:16:40.240 --> 00:16:41.300
來解決什麼問題

00:16:41.300 --> 00:16:42.380
其實現在AI

00:16:43.180 --> 00:16:44.580
那好處就在於說

00:16:45.180 --> 00:16:47.580
你只要有一個範例

00:16:47.580 --> 00:16:49.240
或者說你只要有一個

00:16:50.480 --> 00:16:51.740
好的學習對象

00:16:51.740 --> 00:16:53.940
甚至這個好的學習對象也是AI告訴你的

00:16:54.400 --> 00:16:56.740
就問他說那哪些做得好

00:16:56.740 --> 00:16:59.060
他就說我們要怎麼做到這個樣子

00:16:59.580 --> 00:17:00.060
對那個

00:17:00.240 --> 00:17:02.560
剛那個VTOL是我自己找的

00:17:02.560 --> 00:17:05.200
但是那個M開頭那個法國公司的那個

00:17:05.200 --> 00:17:07.220
是AI告訴我他有在做這件事的

00:17:07.220 --> 00:17:07.860
不然我也不知道

00:17:07.860 --> 00:17:09.440
對 我覺得這個其實是

00:17:09.860 --> 00:17:10.220
大家可以去

00:17:10.240 --> 00:17:13.740
大家在這個時代要換個思維方式

00:17:13.740 --> 00:17:14.000
嗯

00:17:14.000 --> 00:17:17.560
因為如果你覺得說還是我出發

00:17:17.560 --> 00:17:18.740
然後或是說你要

00:17:18.740 --> 00:17:20.220
那其實很多事情你還是會有

00:17:20.240 --> 00:17:23.580
你還是會有很多感覺自己做不到的事情

00:17:23.580 --> 00:17:26.440
但其實換個方式去跟AI互動

00:17:26.440 --> 00:17:28.380
你會發現很多事情其實可以做

00:17:28.380 --> 00:17:30.220
那以上呢就是我們今天講的

00:17:30.240 --> 00:17:31.000
跟我們今天的分享

00:17:31.000 --> 00:17:33.160
那希望大家有收穫

00:17:33.160 --> 00:17:36.180
如果說大家之後有什麼問題的話

00:17:36.180 --> 00:17:39.120
如果還有問題的話可以跟我們一起討論留言

00:17:39.120 --> 00:17:40.220
對 那以上呢

00:17:40.240 --> 00:17:43.380
我相信其實很多朋友看今天直播

00:17:43.380 --> 00:17:45.300
可能會覺得說有些東西其實不需要

00:17:45.300 --> 00:17:47.060
有些東西其實有更好的做法

00:17:47.060 --> 00:17:48.540
其實這也是我們分享的原因

00:17:48.540 --> 00:17:50.220
我們也希望說聽到大家的意見

00:17:50.240 --> 00:17:52.100
如果說你有更好的idea的話

00:17:52.100 --> 00:17:53.060
可以跟我們分享

00:17:53.060 --> 00:17:56.360
那謝謝大家今天的參與

00:17:56.360 --> 00:17:57.340
那我們就

00:17:57.340 --> 00:17:58.560
下次見

00:17:58.560 --> 00:17:59.420
7月28再見

00:17:59.420 --> 00:18:00.220
7月28見

00:18:00.240 --> 00:18:00.980
好 掰掰