Did you know ? .....

• STT – 語音輸入的核心技術  ... 2025-06-03

一、什麼是 STT？

STT 是英文 Speech-to-Text 的縮寫，中文通常稱為「語音轉文字」或「語音辨識」。顧名思義，它是一種技術，可以將人講出來的語音內容，透過軟體與演算法，轉換成可編輯的文字。

這項技術的基礎，在於機器學習、自然語言處理（NLP）與聲學模型的結合。STT 系統會先分析聲音的特徵，判斷語音的起伏與停頓，再結合語言上下文來推測出使用者講了什麼。現今的 STT 系統，已能達到極高的準確率，尤其在安靜環境下，辨識中文與英文都相當穩定。

二、iPhone 的 STT 應用：聽寫功能

在 iPhone 上，STT 技術以「聽寫（Dictation）」的形式呈現，是蘋果系統內建的語音輸入工具。您只要打開鍵盤，就會看到一個麥克風圖示，點擊它即可啟動聽寫。

這個功能讓使用者可以直接「說話輸入」，不必一字一字打字，大大提升輸入效率。舉例來說：
• 在「備忘錄」中口述會議內容
• 在「訊息」App 中快速講出一段回覆
• 在 Safari 搜尋欄中說出關鍵字

更進一步地，從 iOS 16 開始，Apple 的聽寫功能加入了「自動標點」、「離線辨識」、「與鍵盤並存」等改良設計，讓使用體驗更加順暢。例如：您可以一邊說話一邊用手修正文字，也可以自動加入句號、逗號，無需用聲音控制。

而在搭載 A15 晶片（iPhone 13 系列）以後的裝置，語音辨識甚至可以完全在裝置內完成，不需連上網路即可使用，兼顧速度與隱私。也就是我們常說的「在終端執行」

三、STT 的擴展應用

除了手機上的語音輸入，STT 技術在生活中其實已經無處不在。

首先是在會議記錄方面，許多專業工具如 Notta、Otter.ai、Voicenotes 等，都能將整場會議錄音自動轉為逐字稿，方便後續查閱與整理。這些工具對於學生、記者或企業管理者來說，都是節省時間的利器。

其次是在影音平台的字幕產生上，像是 YouTube、Facebook 等網站的自動字幕功能，背後所依賴的正是 STT 技術。當影片上傳後，系統會自動辨識說話內容並轉成字幕，讓觀眾即使在靜音情況下也能理解內容。

司法與醫療體系中，STT 也越來越常見。法院紀錄、醫師口述病歷、開立處方時的語音備註等，都可由 STT 協助轉為書面記錄，不僅提升效率，也減少人為筆誤。

智慧助理的運作更是明確例子。當我們對 Siri、Google Assistant 或 Alexa 說話時，第一步就是將語音內容透過 STT 轉換為文字，接著系統才根據文字判斷使用者的需求並執行。

最後，在客服與語音留言系統中，STT 也正在改變作業流程。許多企業會自動將語音留言轉為文字，讓客服人員快速掌握客戶問題，甚至能進一步應用於資料分析或自動回應。

這些應用證明，STT 不只是輸入工具，而是現代數位生活中不可或缺的語音理解引擎。隨著技術持續進步，STT 未來的應用場景將更加多元，也將進一步改善我們與科技之間的互動方式。

總結來說，STT（Speech-to-Text）是當今人機互動中非常核心的技術之一。iPhone 上的「聽寫功能」就是一個典型且成熟的 STT 應用，結合語音輸入、智慧辨識與即時轉換，不僅改變了輸入方式，也開啟了更自然的人機對話體驗。

在這個文字與語音並重的時代，善用 STT，您就多了一雙能「聽懂您說話」的手。