某次聚會時，有位朋友跟我說了一句話，讓我記到現在。他說：

如果人生是一場終究會走向終點的旅程，那你是我周圍朋友中最賺的！

因為你在不同領域，都努力活出了自己的樣子。

其實聽到當下有點不好意思。因為我很清楚，這一路並不是每個選擇都很篤定。

更多時候，我只是帶著對未知的好奇，還有想把事情做好的信念，慢慢走到了今天。

• 在本職工作方面，我做過工程師、專案經理、技術主管，目前在外商擔任 Software Specialist。
• 在魔術領域，我是花式撲克高手，曾三度站上公演舞台，也發表過國際魔術道具。
• 在作家領域，我出版過 7 本書，主題橫跨網路爬蟲、工程師職涯、AI 工具應用等多個領域，並連續多年入選百大暢銷書。
• 在講師領域，我累積超過 100 場授課經驗，曾受邀到政府機構、500 大企業與學校團體授課，分享 AI、職涯與實務應用。

而經營 YouTube 對我來說，是一段全新的旅程。

一開始只是想把自己學過的東西、踩過的坑、整理過的方法記錄下來。

後來在留言區發現，原來那些我曾經卡關的地方，也是別人正在煩惱的問題。

所以不管我分享的是自我成長、職涯發展，還是 AI 應用，背後其實都來自同一個很單純的想法：

「如果這些經驗曾經幫助過我，那它也可能在某個時刻，剛好幫上別人的忙。」

人生有些選擇看起來像繞遠路。

但回頭看，那些路都成為生命裡很重要的養分。

謝謝每一位曾經支持我、鼓勵我、留言給我，與默默看完影片的朋友。

你們讓我知道，這些分享不是自言自語，而是真的有機會陪某些人走過一小段路。

如果你想聽我分享哪一段故事，歡迎留言～

也許下一篇，我就從那個故事開始說起。

如果對自我成長、職涯發展、AI 技術等主題有興趣，歡迎訂閱我的頻道喔～

https://www.youtube.com/@dlcorner

年初某個假日，我受邀擔任全國教師線上研習的講師。

課程前一晚，我照慣例跑了一遍流程，確認網路、聲音、畫面，全都沒問題。

但課程當天，我準備開始講課時，意外發生了：

Google Meet 突然無法分享電腦螢幕 😱

更慘的是，那場研習安排的是實戰演練；如果看不到操作畫面，學員只能靠想像力上課。

我和主持人嘗試了各種方式，卻始終無法解決；而線上，還有 600 多人在等待。

時間，就這樣一分一秒流逝 ⏳

聊天室裡有人提議：「不然改用 YouTube 直播？」

我立刻嘗試，卻崩潰的發現直播無法順利開始 😫

查了一下才知道：

YouTube 直播需要訂閱數超過 50 人，才可以開直播給最多 75 位觀眾

訂閱數要超過 1000 人，才沒有觀眾人數限制

而我當時只有 30 多個訂閱…

最後，是先靠主持人用平板分享畫面，才撐過前半場（只有平板可以分享），直到後半段 Google Meet 恢復正常，才勉強完成課程。

分享這則故事，是想要告訴大家：「不管準備的多完善，都可能被一個意外打亂」

所謂的專業，並不是從不失誤；而是能把遇過的「意外」納入流程。

所以我開始反問自己：「如果下一次再出狀況，我的備案是什麼？」

除了購買 Zoom、Teams 等會議軟體外，我也把 YouTube 直播算進一個備案。

在我發布 10 隻長影片、10 隻短影片後，終於在 10/24，YouTube 訂閱突破 1000 人。

將這個開直播的備案做起來了！

這個月，我講了 5 場線上研習；跟年初不同的是，現在我有更多面對意外的底氣 💪

儘管意外發生當下，挫折感很重；但現在回頭看，這些經歷都在累積我的能量。

我覺得失敗經驗，遠比成功的故事更值得被分享；因為成功難以複製，但失敗幾乎人人都會遇到。

如果對自我成長、職涯發展、AI 技術等主題有興趣，歡迎訂閱我的頻道喔～

https://www.youtube.com/@dlcorner

【工程師下班有約 EP05】人的極限，是由環境定義的 #軍人節 #總統府 #當兵 #退伍 #壓力

人的極限，是根據環境來定義的

無論學校還是社會，只要你想，隨時都能離開；不過一旦踏入軍營，這就不是你可以說來就來，說走就走的地方了。

我在過去 10 年的工作中，遇過各種奇葩的主管、同事、客戶，也在高壓不合理的環境待過好幾年。

但到目前為止，我認為工作再苦，都遠遠不及當兵的苦。

不要為了蠅頭小利，讓自己承擔多餘的風險

其實我原本可以當爽兵，因為在新訓的時候，就已經被憲兵指揮部選去當資訊兵。

但人生總是有個 But，在憲訓的時候，有次長官集合部隊，問大家想不想考士官當班長；但當時台下根本沒幾個人有意願，於是長官拋出誘餌：「只要報名考士官，不管有沒有考上，都會讓你放么八假！」

因為當時軍中無法使用智慧型手機、伙食不合胃口、對外通訊還要靠電話卡。

在這個與現實世界隔離的環境中，哪怕是一分鐘，大家都想早點離開。

因此么八假這個誘餌，成功讓現場超過 1/3 的人舉手報名，而我也是其中一人。

到了考試現場後，我從頭到尾都用猜的。大概只花 5 分鐘就交卷了，交卷後我心想：「全部都亂寫，總不可能考上吧？」

但人生總在你沒防備的時候給你一記重拳，我一向很差的考運，好死不死的在這個時候大爆發。

印象滿分是 180 分，只要超過 100 分就會錄取，結果我的成績在印出來的時候，上面寫著「101 分」。

那時，我瞭解了什麼叫做命中注定，還有⋯不做死就不會死。

有些經歷可以講一輩子，但你不會想體驗第二次

其實當士官也沒什麼，就是比一般兵忙一點而已。

直到某天，有位總統府的長官來到營區，跟大家宣傳進總統府有哪些好處，他是這麼說的：

1. 保證待在台北，因為當年義務役士官一個月薪水才一萬二，如果離居住地太遠，光車錢就吃不消。
2. 一天只要 3 班哨，空閒時間可以自由運用。
3. 營區內可以(有限制的)使用智慧型手機，這在當年是相當大的誘因，因為其他營區只能使用 nokia3310 這類智障型手機。
4. 伙食超級好吃，因為來的長官白白胖胖，很像七龍珠的普烏，所以很有說服力

最後他說，當兵只有一次，為何不挑戰「天下第一營」的最高榮譽呢？

聽完宣傳後，可能當下腦袋不太靈光，我竟然主動報名；不要以為只有我的腦波弱，當時同期有 60% 的人報名，可見來的長官多會宣傳。

不過等報名表交出去後，我們才發現自己忘記總統府是憲兵裡面最硬的單位，就是因為沒人想去，所以才要派人來宣傳啊！

不過總統府只錄取兩個人，當我在祈禱自己不會被挑到的時候，輔導長召集大家到會議室公布錄取名單，後面的故事大家也知道了。

我就是那個被國家最高行政機關選中的男人！

不過分享總統府的故事前，先聲明一下，接下來的內容僅為 10 年前服役的個人經驗，不包含任何機敏資訊。

意志力的上限，是由環境所決定的

進總統府後，我只要一放假就會連續睡 12 小時以上。

進去前，我只知道這個單位很硬，但進去後，我才發現他對每一個面向都近乎苛求。

因為總統府是國家的門面，所以服裝儀容是用最高標準檢核的。當年武裝哨都要穿著甲服，無論春夏秋冬都是長褲長袖長靴鋼盔。

所謂的甲服，就是對服儀要求近乎完美，上哨前衣服褲子都要用熨斗燙線，不能有皺摺；而且長靴要擦到能當鏡子。

我說的不是誇飾，而是基本要求。

另外在上哨前除了要檢查服儀外，還要考當日情資；到了哨點後，你更要繃緊神經！

畢竟總統府位於市中心，周圍除了有路過的一般民眾外，五院八部的長官與高階將領也時常經過。

如果站哨時三七步、彎腰駝背被長官看到，下哨就準備倒大霉了。

而且在最高行政機關當兵，你的記憶力要不錯；除了要記得重要的長官外，一些被列管的特殊人士你更是要牢牢記住。

長官認不出來，頂多被電、寫悔過書；但如果你沒注意到特殊人士靠近，那真的會有危險。

因為有時會有精神異常、或是對政府不滿的民眾路過，要是打瞌睡，真的會出事！

這邊放上兩個新聞案例，一個是砂石車衝撞總統府，另一個是憲兵被武士刀砍：

說了這麼多，就是想表達在總統府站的每班哨都要承受極大壓力；而且更可怕的是，在這裡當兵，幾乎每天都要輪夜哨。

因為勤務非常繁重，連上弟兄都會戲稱自己是「狂站士」！

進總統府前，我覺得自己的抗壓性挺不錯的；但進去後我才發現，原來，自己的抗壓性還有這麼大的成長空間。

出社會這麼多年，每當工作遇到困難，或是不合理的對待時。我就會回想當年的軍旅生涯，想著想著，就覺得眼前的問題不是問題。

環境會逼出一個人的潛力

這篇文章並不是鼓勵大家挑最難的路走，只是想讓大家知道：「所謂的『極限』很多時候都是自己想像出來的！」

當環境變成不可抗力後，人的求生本能會盡可能讓你去適應它；但是也請量力而為，因為當年勤務過度繁重，導致我當兵後期頻繁進出醫院。

甚至退伍多年後，腳在換季時還是經常出狀況，嚴重的時候連走路都有困難。

儘管這些故事回憶起來很有成就感，但後遺症讓我在舊傷發作時，要靠吃止痛藥才能撐下去。

記住，痛苦會習慣，但不會減輕。

當兵，是橫跨世代的共同回憶

當過兵的男生，只要聊到當兵的話題就有說不完的故事。就算第一次見面，也能像老朋友一樣聊的很興奮。

因為對大多數的男生來說，當兵是一種強制「脫離舒適圈」的體驗，而軍營裡經歷的事情，對剛從校園畢業的學生絕對稱得上「震撼教育」。

而且越苦的日子記憶越深刻，即使退伍多年依然記憶猶新。

就像美國名將麥克阿瑟，曾說過一句讓退伍的人很有共鳴的話。

他說：「給我一百萬，要換取我的入伍回憶，我不願意；但給我一百萬，要我重新入伍，我更不願意！」

我的軍旅故事就分享到這邊，最後感謝平日盡忠職守的軍人們，謝謝你們的付出。

如果我的故事讓你感到共鳴，歡迎大家留言分享自己的軍旅生活～

環境會逼出潛力，求生本能會讓你適應，但習慣痛苦，不代表痛苦不存在

我是鼎淵，一個熱愛分享 AI 知識、自我成長、職涯發展主題的工程師。

歡迎追蹤我的 YouTube，帶你掌握時代趨勢！

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

【工程師下班有約 EP04】沒有白走的路！如何找到自己的天賦

如果用盡全力還看不到成果，就代表自己沒有天賦嗎？

大一到大三，我參加了 23 場比賽，但一場都沒贏過，甚至連個參加獎都沒有，血淋淋的現實彷彿在告訴我：「你，不過如此。」

但我沒有選擇放棄，而是持續尋找新的可能性；最終在大四那年，我找到適合自己的路！

有時你不是沒有天賦，只是嘗試的領域不夠多；或者跟我一樣，複合領域才是我們大顯身手的地方！

人與人之間，存在天賦上的差距

儘管很多雞湯文都說天賦的差距可以靠努力突破，但在現實世界中，僅有極少數的人能夠辦到。

因為我是電機轉資工，所以程式基礎比班上那些資訊科出身的同學薄弱很多。

而班上大概有 10 個人是選手出身，我在他們身上看到了所謂的「天賦」。

比如遇到難題的時候，大部分人是去「尋找」解決方案，而他們是直接「想到」解決方案。

當然你可能會說，這是經驗累積的成果。

但業界其實有不少工作 10 年以上的資深工程師，儘管花了很多時間「尋找」；但最終還是沒有找到合適的解決方案，因為有時解決方案是需要自己「創造」的。

而我是一個好勝心很強的人，為了測試自己用盡全力能離選手多近

在大一上學期，我每天花 8 小時寫程式、刷題，在第一次 C 語言的上機考就拿到 93 分的成績。

93 分在班上算前段班了，但上機考的分數呈現 M 型分佈，不是不及格，就是85分以上。

而這個 M 型化並沒有隨著時間推移改變，即使是資工系，有些人直到畢業還是不太會寫程式，轉系留級都是常態。

如果螢幕前的朋友想要選擇工程師這條路，我想提醒大家：『程式是很殘酷的，結果不是 0 就是 1，只要沒結果，你中間的努力都不算數。』

不過這段努力的時光讓我認知到，只要夠努力，我在程式方面還算擁有「不上不下」的天賦，至少未來有辦法靠這項技能混口飯吃。

講到這邊，我腦中突然冒出一句話：『別人考 100 分，是因為滿分只有 100 分；你考 93 分，是因為你的實力只到 93 分。』

下面放上朋友跟我的一段對話，在有天賦的人眼中，除了第一名外，其他都是參加獎。

3 年 23 場比賽，我連一場都沒贏過

了解自己程式方面的天賦後，我開始做一些「不務正業」的嘗試。

因為高職參加各種比賽都獲得不錯成績，尤其在文學領域幾乎戰無不勝，所以我產生了迷之自信，認為自己在文學方面肯定天賦異稟。

於是我積極參加各種文學競賽，只要主題有「散文、小說」我就去比。

從大一到大三，大大小小共參加 23 場比賽，甚至在 19 歲就寫完一本 10 萬字小說。

但結果呢？比賽不僅全部落榜，連投稿到出版社的小說也都石沈大海。

連續 3 年的失敗，讓我深刻體會到：『過去之所以會贏，是因為選對了對手；現在之所以會輸，是因為選錯了對手。』

專項贏不了，就嘗試複合領域

大四為了湊滿選修學分，我修了「創業管理」這門課。

如果只看課名，應該很多人會覺得這是門「聽演講混學分」的課程；但在聽完第一堂課程大綱說明後，我便意識到這是門「非常累」的課程，因此有超過一半的人在第二堂課直接退選。

這堂課累的地方在於，「創業管理」是跟你玩真的！

除了每個禮拜都要小組競賽報告進度外，還要輪流當主持人、場地佈置、會議紀錄、影片拍攝、網頁發表，甚至還要經營粉絲專頁。

到了學期中要多次跨校競賽，而學期末甚至要把產品實體化做成果發表。

為了讓每個小組成員都有各自擅長的領域，老師把一個系的同學強制打散，所以大家都不認識，非常考驗社交和溝通能力。

以結果來說，我很感謝當時選修這門課，還修了兩次。

它讓我在出社會前，了解什麼是跨部門溝通、團隊領導統御、產品發表技巧，也讓我意識到自己真正適合的領域。

我很清楚，在「技術、文學、管理」任何一個領域，我都達不到頂尖。

但如果把競爭項目改為「技術+文學+管理」，我的綜合戰力就會上升非常多，甚至能跟頂尖團隊一較高下。

只要你還沒放棄，其他人也會被影響

其實「創業管理」這堂課修起來，比想像中的「更累」且「更不順利」。

過去比賽都是單打獨鬥，突然變成團隊作戰有很多需要學習的，比如：

1. 每個人來自不同系，想法很難統一
2. 而且每個人修課理由不同，你想得名，但其他人可能只想躺平
3. 因為彼此不熟，在缺乏連結的狀態下，有些組員說失蹤就失蹤
4. 另外在團隊出現大家都認可的領導者前，合作會相當混亂

第一次修課時，我是團隊中對比賽最感興趣的人，其他成員雖然不到不感興趣，但也不想花太多時間準備。

隨著時間推移，這個狀況越來越嚴重，而且磨合的過程未必會解決問題，有時還會製造出更多問題。

當時距離期末剩沒幾個禮拜，如果問題再不解決，基本上就是等著翻船了。

這個學期我們的提案是用樂高拼裝的概念，做出不同功能的旅行分裝罐。

一開始請有製作模型專業背景的組員協助，結果到正式 Demo 的前一天

他突然說遇到技術問題無法 3D 列印，因為連組內的專業人士都放棄了，所以其他成員就選擇躺平。

但我偏偏就是那種「就算所有人都放棄希望，我還是會一個人堅持到底」的性格。

儘管沒有製作模型經驗，我還是去文具店買保麗龍，自己手工切割、用色紙包裝，一直弄到天亮才完工。

圖片桌上這些看起來像是小學生勞作的東西，就是當年創業競賽的產品原型。

這次經驗讓我體會到：『不是因為看到希望才選擇堅持，而是因為堅持所以才看到希望。』

儘管成品外觀不太理想，但我那晚的努力直接改變了團隊氣氛。 因為局面已經從「穩輸」變成「有機會贏」，人在有希望的時候往往願意多努力一點。

而團隊很幸運在隔天比賽獲得第一名。

從這次勝利開始，團隊凝聚力越來越強，接下來每週比賽也成為常勝軍，最終在跨校競賽取得了第二名的成績。

而在下學期的課程，我受邀擔任課堂助教，讓我用不同的身份與視角，帶領團隊取得成績。

也許比賽規模不大，獎金不多，但他讓我找到了適合自己的位置。

沒有白走的路

很多事情在把時間拉長後，你才會發覺當時的努力是有意義的：

• ➤ 文學：儘管我文學獎一次都沒有贏過，但當我把寫腳本的概念，應用到產品發表上時，就能讓每個組員清楚要講的話和扮演的角色，保證上台穩定度和 Demo 品質。
• ➤ 技術：雖然大四技術水平有限，但理工底子讓我能判斷方案可行性，並有能力把產品的原型製作出來。
• ➤ 管理：縱然我過去沒有領導統御經驗，但在團隊成員都不積極的狀態下，努力做事的人就會自然成為領導者。這個道理出社會也一樣。

很多人出社會後還是找不到自己的定位。

我覺得有時找不到定位，是因為接觸的領域不夠多，缺乏比較基準。

而所謂「天賦」也不一定只侷限在單一領域，有時複合領域才是你大顯身手的地方。

如果你還在尋找方向，不妨多嘗試不同領域，也許你會發現，那些看似白走的路，其實都在為你的未來鋪路。

我是鼎淵，一個熱愛分享 AI 知識、自我成長、職涯發展主題的工程師。

歡迎追蹤我的 YouTube，帶你掌握時代趨勢！

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

【工程師下班有約 EP03】如何透過差異化競爭累積自信

大安高工是我夢想的起點，我就是在這裡領悟到「差異化競爭」的重要性。

甚至可以這麼說，如果當年上的是普通高中，我現在可能極其平凡。

就讓我透過這篇文章，跟大家分享我人生中的轉捩點吧。

你不用很強，但要夠特別

雖然不想承認，但我們絕大多數都是普通人，沒有過人的天賦，無論多努力也贏不過天才。

我在發現自己的極限後，儘管分數能上公立高中，但還是選擇了讀高職。

上高職後，因為沒什麼學業壓力，所以放學後都在玩電動、看動畫，不過家人希望我不要整天無所事事。

但我並不是一個喜歡念書的學生，為了找點事讓自己看起來很認真，我跑去考不同科系的證照。

然後短短兩個月，就考了 6 張證照。

不過說實話，丙級證照只要熟悉術科、背好學科，考試的難度並不高。

但真的去考這麼多張證照的人並不多，因為就算考到了，對升學、職涯並沒有多大幫助。

但就因為這個特別的舉動，我獲得了意想不到的「機會」。

獲得機會，跟掌握機會是兩件事

大多數丙級證照的通過率都超過 75%，但也有少部份的證照難度較高。

其中「電腦軟體設計」是我印象最深的證照，因為我參加的那場通過率只有 17%。

也因為這張證照，我因緣際會地認識了當時擔任圖書館主任的許益財老師，他是我一生的貴人。

他把我轉介給「電腦研究社」的指導老師，並推薦我成為當年「台北市電腦軟體設計競賽」的選手。

收到這個邀請的時候，我是想要拒絕的，因為我之所以能考到這張證照，是因為把術科全部的程式碼都背下來了。

不過聽到參加比賽就可以不用上課，還有一個場地讓選手集中培訓後，我就決定參賽了。

因為對我來說，「不上課」跟「當選手」這兩件事很特別，比上課讀書更有吸引力。

這個比賽分為「初賽」和「決賽」兩個階段，因為初賽只有筆試，所以我輕鬆過關。

而決賽則是要在現場寫程式解題，儘管經過一段時間的特訓，但臨時抱佛腳顯然在正式比賽中沒多大用處。

在 3 個小時過去後，我毫無懸念地成為這場比賽的炮灰。

嘗試帶來見識，見識帶來膽識

儘管個人賽變成了炮灰，但當年的團體賽，我靠隊友拿到了第一名，這是我第一次體會到「抱大腿」的重要性。

你未必要成為團隊中最強的人，但一定要進入強者的圈子。

另外我在這場比賽中，有三個重要體悟：

第一，多學幾項技能，有時會獲得意外的機會。

第二，運氣可以讓你獲得機會，但沒有實力，給你再多的機會也沒有用處。

第三，透過比賽認識的「人脈」，有時比同學間的情誼更加深刻。

這場比賽我最大的機緣是認識「楊凱霖」學長，如果沒有他，我大學應該不會從電機轉到資工。

人，需要一場勝利，然後記住這個感覺

比賽輸了後，我又回歸平凡的人生；直到某天經過圖書館時，剛好看到同班同學在跟一位老師討論小論文比賽的最終版本。

等同學與老師討論完後，我不知道哪根筋不對，突然向老師詢問：「請問您可以當我小論文的指導老師嗎？」

老師應該也被這個問題嚇到了，因為這是我們第一次見面，連彼此的名字都不知道，而且「隔天」就是比賽的截稿日。

但與老師了解完比賽的規則後，我還是決定參賽了。

當時我甚至連題目都還沒想好，其實這個決定現在回想起來依舊非常不可思議。

而這場比賽我只花了一個晚上完成草稿，並在隔天利用下課時間詢問老師的建議，等放學優化完細節後就直接上傳檔案了。

當時我對這場比賽不抱任何希望，畢竟只是一時的隨興參與，沒有得獎也是理所當然；結果沒想到，公佈成績時竟然得獎了！

這邊要特別感謝周佳嵐老師給予的協助，如果當時被拒絕，也許我現在的命運就不一樣了。

這個獎對我的人生來說，真的意義非凡；因為在這之前，我這輩子從來沒有在任何比賽中拿過個人獎項，它幫我打了一劑強心針。

不管後續贏了多少場比賽，我都不會忘記這個「起點」。

而且因為這次有得獎，原本希望我乖乖讀書的家人，更願意讓我做多方嘗試。

並且在獲得第一場勝利後，我開始對對比賽上癮；接下來的高職生涯都在參加各種競賽、活動。

從圖片來看，這戰績應該還算小有成就。

別人拿市長獎是因為成績第一，但我拿市長獎，是因為贏得的比賽夠多。

興趣與自信，是建立在一次次的勝利之上

但提醒一下大家，除非你很有天賦，不然請從小型比賽開始參加。

在初期累積自信是最重要的事，如果努力看不到成果，任何事情都很難堅持下去。

這讓我想到台灣桌球名將「林昀儒」的故事，他小時候受訪時被問到為什麼喜歡打桌球。

他的回答是：「因為都會贏啊，呵呵」。

興趣與自信不是與生俱來，而是建立在一次次的勝利之上。

另外我之所以能拿到這麼多獎狀，也是多虧了貴人的提點。

當時在學校擔任輔導室主任的林浥雰老師，不僅指導了我生涯學習檔案的製作，更讓我從高中開始，就「有意識」的在累積自己各方面的履歷，這個概念也讓我受用終生。

人少的路，能看到不同的風景

曾經有人將大安高工比喻為高職界的建中。

也許這樣說會讓有些人感到不適，但比賽不只看你有多強，還要看你的對手是誰。

所謂「差異化競爭」，就是讓你在人群中引人注目的方法，比如：

• 我在重視成績的班級不讀書跑去考證照
• 明明讀的是讀電機科，卻參加資訊科的比賽
• 在人文沙漠的高職，去橫掃文學競賽的獎項

「違反常理、與眾不同的舉動」能讓普通人獲得不少優勢，在高職的比賽中，你不用有太高的天賦，只要肯下苦工，就能贏過大部分的人。

在這裡，只要付出努力，就能看到成果！

儘管我上學期間不務正業、畢業時班排倒數，但還是有考上北科。

而當時班上有超過 2/3 的同學錄取臺科、北科。

其實當年考基測時，我們都可以上公立高中，但這種不上不下的水平，之後想考國立大學還是得努力讀書。

不過如果選擇讀高職，我們就可以輕鬆成為競爭環境中的佼佼者，選對環境，人生真的可以走捷徑。

我是鼎淵，一個熱愛分享 AI 知識、自我成長、職涯發展主題的工程師。

歡迎追蹤我的 YouTube，帶你掌握時代趨勢！

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

給我 1 分鐘，帶你認識現在最夯的 Vibe Coding #ai #aicoding #vibecoding #chatgpt #cursor #githubpages

開始拍 YouTube 影片後，因為我總是記不住台詞，所以需要提詞機；但免費版廣告一堆，付費版又塞了一堆用不到的功能。

既然如此，我乾脆直接用 Vibe Coding 寫一款無廣告的提詞機給大家免費使用！

工具選擇

一開始我先用 ChatGPT 來寫程式，但隨著需求增加，他開始鬼打牆；不但新功能沒做好，連原本能用的也壞了。

就算提示詞加上各種限制，或開新的對話窗，也沒太大幫助。

所以在 Vibe Coding 的工具選擇上，我並不推薦使用 ChatGPT。

我個人更推薦使用的工具是 Cursor，他是一款內建 AI 功能的程式碼編輯器。

可以使用中文與他溝通，且每次修改都有差異比較。

不論新手學程式或老手解 bug，Cursor 都比 ChatGPT 高效。

使用提醒

但還是要提醒大家，AI 雖能加速開發，卻不保證一次到位。

如果你有程式的底子，那提出具體問題、給予明確方向，可以大幅縮短開發時程。

沒有程式基礎的也別擔心，先請 AI 解釋邏輯、逐步拆解，你一樣能從 0 打造自己的工具。

不過 Vibe Coding 雖然聽起來輕鬆，但背後仍需要反覆測試，以及對錯誤訊息保持耐心。

AI 是助力，不是萬能！

成果展示

如果你 Vibe Coding 的作品是靜態網頁，上傳到 GitHub Pages 就能向大家展示自己的成果。

我完成的題詞器，以及上面提到的工具連結如下，歡迎取用：

• 讀稿提詞機: https://deanlin.net/teleprompter/
• ChatGPT: https://chatgpt.com/
• Cursor: https://cursor.com/cn
• GitHub: https://github.com/

如果你對這個主題感興趣，可以幫我點個讚。

我是鼎淵，一個熱愛分享 AI 知識、自我成長、職涯發展主題的工程師。

歡迎追蹤我的 YouTube，帶你掌握時代趨勢！

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

【工程師下班有約 EP02】過度美化未來，容易讓人做出衝動的選擇

在 2022 年出版《給全端工程師的職涯生存筆記》後，收到母校的邀請，讓我與學弟妹分享自己的故事。

因為距離學生時代還不算太遙遠，所以我很清楚以前在當學生時，常常台上講得熱血激昂，而台下睡成一片；偶爾清醒，也不過是為了應付要繳交的演講心得。

為了盡可能避免這樣的場景發生，我決定先回母校一趟。

不要只把演講當履歷，要讓它對觀眾有意義

到校與老師詳聊後，我發現這是一個「職場達人週」的活動，會邀請幾位業界人士到校分享；希望讓學生初步了解不同產業的實際面貌。

主辦這場活動的老師特別跟我強調，這是場「自由報名」的演講，所以來參加的學生，是真的對演講主題感興趣的。

他們想透過講者的經驗來判斷，這個職涯是否符合自己的期待，跟過去的想像有多大的落差；因此千萬不要抱持應付了事的心態做準備，不要只把這場演講當成履歷的一行字，要讓它對觀眾有意義。

其中一位資深教師還拉著我的手，語重心長的說：「老師跟學生的距離，有時比學長與學弟的距離更遠。對你來說，這是一場演講；但對他們來說，也許會把你當成自己未來的投影。」

過度美化未來，容易讓人做出衝動的選擇

我很清楚，故事越精彩，觀眾聽的越認真。

而且能上台分享的業界人士，大多已經在自己的專業領域取得相當的成就。

不過有些人分享的內容太過雞湯，儘管都是真實的生命故事；但很容易讓觀眾產生不切實際的幻想，比如：「成為工程師就能領高薪！」、「我就是因為叛逆才有今天！」、「跟隨心中的想法就能實現夢想！」

高中是一個對未來迷茫，但容易有衝動的年紀；大多數人在這個階段，對每個行業的認知還非常片面，容易只看到好的一面，而忽略選擇背後要付出的代價。

有些行業即使用盡全力也未必能獲得回報，像是人文藝術、競技運動領域。

在這些領域想獲得成就，除了天賦外還需要機緣；也許有人會告訴大家要勇敢追夢，但通常會鼓勵勇敢追夢的人，是因為他已經實現夢想了，這本身就是一種倖存者偏差的狀況。

我不反對追夢，但人要有自知之明；如果發現自己沒有這個潛力，與其定一個有野心的夢想，還不如選一個能實現的目標。

大學讀不到一年，就被退學

在準備演講的過程中，我跟一位朋友聊了很多，我們都是大安電機科畢業的，如果沒發生意外，我們未來應該都是工程師。

但在高二下學期，他突然對設計產生濃厚的興趣，甚至放棄統測考學測。他是個有天賦的人，儘管準備時間不到半年，還是順利的考上實踐大學設計學院。

冒這麼大風險轉換領域，如果一切順利，他可能也會回學校分享自己的心路歷程；不過很可惜的是，他讀不到一年就被退學了，因為在踏入設計的領域後，他發現這一切跟過去想的完全不一樣。

他原以為藝術是在有靈感的狀態下悠閒創作，但現實告訴他需要在期限內、用指定的框架創作。

但朋友因為過去的基礎不夠扎實，所以要靠熬夜才能勉強趕出作品，但就算如此，他還是經常被退件。

幾個月後，他覺得不管多努力也無法跟上進度，於是開始翹課，過著行屍走肉般的日子直到被退學。

也許有人會想，他放棄統測是因為電機唸不下去嗎？

不！他的班級排名長年維持在前 10，上臺科北科的機率是非常高的。

我分享這個故事，不是要大家放棄追夢，而是想提醒大家：「在認知有限的狀態下，我們容易做出錯誤的選擇。」

以筆者身旁的人而言，大多數勇敢追夢的人，現在生活都過得相對拮据，而且並不快樂。

每個人的人生，都是自己選擇而來的

我拍這隻影片不是要勸大家放棄夢想，也不是想告訴大家什麼是「正確」的選擇。

因為每個人都是獨立的個體，有不同的學歷、工作、財力、背景，即使做出所謂「正確」的選擇，也未必能獲得一樣的回報。

就像 30 年前買房的難度，跟現在是完全不一樣的；有時一個人的成功並不是他有多努力，只是剛好參與到總體經濟的進步。

但大多數人在分享自己的成功故事時，總是會習慣性的把原因歸咎於「努力」，但很可能一切都只是機緣巧合罷了。

之所跟大家分享失敗案例，是希望能給大家一些「警惕」。

就算你在我日後的影片中，看到很有共鳴的片段、感覺很棒的技巧，也請謹慎評估。

畢竟你的人生只有自己能負責，千萬不要盲目追隨，我也是一個幸存者偏差的案例，適合我的，未必適合你。

在下一隻影片中，我會分享自己高中時期靠差異化競爭累積優勢的技巧。

但我是因為「自己有興趣」才能做的這麼起勁，只是結果剛好讓我累積了與眾不同的優勢。

如果當時是別人逼我這麼做，我是不可能堅持這麼久的。

提醒大家，如果你沒有興趣只是一昧地模仿，最終反而會失去自己的風格。

如果你聽膩了毒雞湯，看膩了公式化的影片，歡迎訂閱我的 YouTube，帶你用不同的視角看世界。

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

【工程師下班有約 EP01】挑戰，從來不需要獲得別人允許

今年是我經營自媒體的第五年，拍 YouTube 的第一年。

我們常說自媒體是為自己發聲，但實際上，許多人都是在說別人想聽的話。

大家人都在追求「類似」的審美觀，差不多的價值觀，然後覺得自己「應該」要怎麼做。

我想說能不能來點不一樣的，不追求世俗眼中的正確，去做自己想做的事。

如果沒有行動，這世界根本沒有你的時區

在一些雞湯文中，常常會看到這句話：「每個人都有自己的時區。」

很多人在看到這句話之後，就感覺獲得了救贖，在留言區互相取暖。

但我想說的是，除非你選對賽道，而且非常努力，否則你一輩子都不會遇到自己的時區。

我就拿自己當例子吧，早在 2022 年就有拍片的打算，但拖到 2025 年才錄製了第一隻 YouTube 影片。

細節很重要，但不要連開始都沒做到

會拖到三年之久，最大的原因是我考慮了太多旁枝末節的事情，像是：

• 是不是要準備好的錄影設備？
• 現在的背景會不會太隨便？
• 場地需不需要佈置？
• 要不要打個燈讓我看起來帥一點？
• 需不需要學個剪片技巧？
• 我講這些主題會不會被炮轟？

從表面上來看，這些細節都很重要；但也因為這樣，我連「開始」這件事都沒有做。

如果沒有這些外在，會影響你想呈現的核心價值嗎？

最後今天拍的這支影片，只有為了收音買了一個麥克風，這是為了保證收音品質，因為我同時也會把這個影片上架到 Podcast。

至於影片的錄製工具，就是用電腦前鏡頭而已。

其實開拍前，我還在糾結：「需不需要化個妝？梳個油頭正式一點？」

但後來我發現，如果我連拍影片這件事情，都要這麼多前置作業，那我應該永遠不會拍。

既然我沒有那麼多時間，那為什麼還要卡在這些表面的東西上？觀眾真的在乎這些細節？

後來我想通了 —— 影片想呈現的不是我的外表，而是我的內容。

我想傳遞的，是那些我準備很久、一直想分享的經驗與知識，這才是最重要的。

0 到 1 是突破，1 到 100 不過是積累罷了

我知道這隻影片還有很多的不足，不管是我的表達能力、剪接能力、拍攝裝備都有很大的進步空間。

但我很清楚，永遠沒有準備好的那一天。

既然如此，為什麼不要大膽嘗試呢？如果沒踏出第一步，想法再好都只是幻想。

我知道很多人不敢踏出第一步，是因為害怕自己的努力毫無意義。

但其實，所有的努力都會留下痕跡，只是不一定受到世俗的認可罷了。

就像這支影片，瀏覽數搞不好連 100 都不到。

但這算失敗嗎？不！對我來說，瀏覽數不是重點，而是我發表了第一隻影片！

我開始嘗試字卡、音效、剪輯，儘管這一切看起來還很粗糙。

起點低，只是代表我還有很大的進步的空間而已。

讓我來當自己的說書人

接下來，我預計會拍 24 隻影片。故事源自於我上個月出版的新書《工程師下班有約》。

我會分享一個技職科大體系出身的人，如何連滾帶爬、嘗試一切可能性。

成為現在的外商工程師、暢銷書作家、企業內訓講師。

這一路上，我做過哪些正確的決定，以及踩過哪些原本可以避開的坑。

我沒有要賣夢，只是想聊聊自己走過的路；儘管人生沒有標準答案，但或許我的經驗能給你帶來一些啟發。

挑戰，從來不需要獲得別人的允許

其實拍這部影片前，我也在想自己有沒有資格講這些話題。

但後來想想，挑戰，從來不需要獲得別人的允許。

我不知道拍完 24 隻影片後，會不會獲得更多機會，書不會賣得更好。

但我知道，我肯定跟現在的自己不一樣了。

如果你想挑戰過去從沒做過的事情，看見不一樣的觀點，歡迎訂閱我的 YouTube，跟我一起成長。

《工程師下班有約》網路書店： 🐲天瓏書局

我是林鼎淵，如果覺得這邊文章對你有幫助，歡迎追蹤筆者的 Facebook 與 YouTube，我會持續分享實用的新知識 💡

也許隨著 AI 持續發展，這個標題在未來真的可以實現，但並不是現在。

儘管 ChatGPT 的出現，讓寫程式的門檻大幅降低；但現在還是有不少 ChatGPT 無法解決，或是解決不好的問題。

這篇文章會用範例讓讀者理解 ChatGPT 在寫程式上的侷限，以及適合使用的場景。

在前面的文章中，筆者已經實現用 Python 將 Youtube 影片轉逐字稿。

而在這篇文章，我將導入 OpenAI 的 GPT API，請他幫我們整理逐字稿，並取得影片摘要。

提醒大家，不要未經授權下載有版權保護的影片喔！

導入 OpenAI 的 GPT API，提升逐字稿可讀性

😀：「下面是我用 Python 寫的 Youtube 影片轉成逐字稿的程式，我想要在這個基礎上擴充功能，我在後續的對話中會提出自己的需求，請問你可以幫忙嗎？

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 切割音檔成多個小檔案
chunk_size = 100 * 1000  # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in range(0, len(audio_file), chunk_size)]

# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
    with chunk.export("temp.wav", format="wav") as f:
        result = openai.Audio.transcribe("whisper-1", f)
        transcript += result["text"]

# 印出轉換後的文字
print(transcript)

因為 ChatGPT 的資料截止於 2021 年 9 月，此時的他對於未來世界並不了解，所以我們需要去官方找範例程式，請他協助合併。

這邊我們使用的是 OpenAI 的 Chat 功能：https://platform.openai.com/docs/api-reference/chat

😀：「我找到了一個可以整理逐字稿的套件，官方範例如下，我希望將最後的結果印出來，要如何將他與我現在的程式結合呢？

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")

completion = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "user", "content": "Hello!"}
  ]
)

print(completion.choices[0].message)

前面幾篇文章中，我們靠 ChatGPT 就能順利完成專案；但在這篇文章中，如果你缺乏程式的開發經驗就可能會卡很久。

首先，你有沒有發現 ChatGPT 根本不是使用我們提供的官方範例程式！如果你嘗試跑起來會出現各式各樣的錯誤：

儘管筆者使用多種方式來調教他，最終也成功試出能夠讓 ChatGPT 吐出正確回應的指令，但這個指令不具有參考價值，因為我必須描述得非常詳細，如果使用方式太過複雜，那就不是一個值得分享的使用方式。

所以筆者還是靠自己整合出一個版本：

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 切割音檔成多個小檔案
chunk_size = 100 * 1000  # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in range(0, len(audio_file), chunk_size)]

# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
    with chunk.export("temp.wav", format="wav") as f:
        result = openai.Audio.transcribe("whisper-1", f)
        transcript += result["text"]

# 整理逐字稿
completion = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "user", "content": "使用繁體中文閱讀，幫我改錯字、加標點符號，並分段使內容更通順：\n"+transcript}
  ]
)

# 印出整理後的文字
print(completion.choices[0].message.content)

STEP 1：安裝相關 Python 套件，pip install pytube pydub openai

STEP 2：建立一個youtube-summary.py的檔案，貼上 ChatGPT 的程式。

STEP 3：在終端機輸入python youtube-summary.py，然後稍等一段時間…就會看到成果啦！

表面上看起來整理得挺不錯，但仔細看會發現結尾突然斷掉了，這是為什麼呢？

這邊用 OpenAI 官方文件比較好說明，每個 GPT 模型都有自己的 max_tokens，我們選用的 gpt-3.5-turbo 最高上限是 4096。

所以截斷的原因就是我們的 prompt 太長了，這邊跟大家科普一下，所謂 prompt 長度就是我們傳入的逐字稿長度。

而中文跟英文計算 Token 的方式也不盡相同，如果使用英文，1000 個 tokens 大約等於 750 個單字；但如果使用中文，1000 個 tokens 大約只有 400 字。

上面是補充說明，讓我們回到原本的話題，我們要如何讓逐字稿完整的被整理，不要被截斷呢？

最直覺的做法就是將逐字稿「分段」傳送過去，4096 的 token 換算成中文大約 1600 字，我們保守一點，用「1200」的長度來做分割，下面是整理好的程式。

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 切割音檔成多個小檔案
chunk_size = 100 * 1000  # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in range(0, len(audio_file), chunk_size)]

# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
    with chunk.export("temp.wav", format="wav") as f:
        result = openai.Audio.transcribe("whisper-1", f)
        transcript += result["text"]

# 依照我們指定的長度分割字串
def split_text(text, max_length):
    return [text[i:i+max_length] for i in range(0, len(text), max_length)]

# 整理逐字稿
def process_text(text):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "使用繁體中文閱讀，幫我改錯字、加標點符號，並分段使內容更通順：\n"+text}
        ]
    )
    return response.choices[0].message.content

# 處理長字串
def process_long_text(long_text):
    text_list = split_text(long_text, 1200)
    processed_text_list = [process_text(text) for text in text_list]
    return "".join(processed_text_list)

# 呼叫分段處理函式
processed_transcript = process_long_text(transcript)

# 印出處理後的逐字稿
print(processed_transcript)

在終端機輸入python youtube-summary.py，就會看到被分段，並加上標點符號的成果啦！

關於字串分割的方式，筆者是向 ChatGPT 詢問：「我逐字稿的字數可能超過 1 萬字，而這個 api 最多只能讀 1200 字，請問我要如何改寫？」改編而來的；儘管 ChatGPT 面對新套件力有不逮，但基礎的問題還是可以順利回答。

取得逐字稿摘要，轉成 txt 格式

基本上下面的程式就是筆者自己改造的了，我做了兩件事：

1. 在 process_long_text 函式增加了一個 type 的參數，裡面可以放置不同類型的 prompt（ex：整理逐字稿、摘要）。
2. 將整理好的文字寫入 txt 檔案。

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 切割音檔成多個小檔案
chunk_size = 100 * 1000  # 100 秒
chunks = [audio_file[i:i+chunk_size]
          for i in range(0, len(audio_file), chunk_size)]

# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
    with chunk.export("temp.wav", format="wav") as f:
        result = openai.Audio.transcribe("whisper-1", f)
        transcript += result["text"]


# 依照我們指定的長度分割字串
def split_text(text, max_length):
    return [text[i:i+max_length] for i in range(0, len(text), max_length)]

# 依照 type 處理文字
def process_text(text, type):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": type + text}
        ]
    )
    return response.choices[0].message.content

# 處理長字串
def process_long_text(long_text, type):
    text_list = split_text(long_text, 1200)
    processed_text_list = [process_text(text, type) for text in text_list]
    return "".join(processed_text_list)


# 呼叫分段處理函式
processed_transcript = process_long_text(transcript, "使用繁體中文閱讀，幫我改錯字、加標點符號，並分段使內容更通順：\n")

# 呼叫取得摘要函式
processed_summary = process_long_text(processed_transcript, "閱讀以下文字，用「-」作為前綴條列出重點，用「繁體中文」呈現：\n")

with open("path/to/save/directory/text.txt", "w") as file:
    file.write("摘要：\n" + processed_summary + "\n\n\n逐字稿：\n" + processed_transcript)

在終端機輸入python youtube-summary.py，就會看到「Youtube 摘要、整理過的逐字稿」被寫入 txt 檔案中啦！

筆者想說的話

不知道有多少人會把文章看完，但其實這篇文章我寫得很沮喪。

程式的部分我花不到 1 小時就完工，但文章卻寫了 4 個多小時，我不停在思考怎麼樣的呈現方式對讀者來說是有幫助的。

最終我選擇了上面的呈現方式，任何工具都有不完美的地方，沒必要所有事情都依賴 ChatGPT。

以這篇文章完成的功能來說，ChatGPT 的幫助如下：

1. 提供字串分割的函式
2. 寫入 txt 檔案的方式

其他部分基本上都是筆者自己改寫的，並不是說 ChatGPT 絕對辦不到，只是想表達工具用在對的地方才會有最大效益（ex：基礎程式、簡單除錯、最小可執行程式），我也不想只呈現完美的路徑。

最後再聊聊自己為什麼會寫這個 Side Project 吧。

我這個人喜歡閱讀文章大過看影片，因為我可以在文章中快速找到自己需要的重點，而觀看影片很難讓我做到這件事。

如果看影片是為了娛樂，那我會享受這個過程；但有時看影片是為了吸收知識，那這樣的效率對我來說就太慢了，所以我就做了這個小工具，提升自己吸收知識的效率。

我喜歡依照自己的「節奏」來吸收資訊，而閱讀滿足了這點。

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！

所以這篇文章筆者要向大家介紹如何在 Local 環境導入 Whisper 套件的方案，免費將 Youtube 影片轉換成逐字稿！

提醒大家，不要未經授權下載有版權保護的影片喔！

小提醒：雖然原則上按照步驟就能順利完成，但每個人的電腦環境會有些許差異，遇到特殊狀況時，請自行排除（或是問 ChatGPT）。

觀看 Whisper 官方文件

GitHub 官網：https://github.com/openai/whisper

安裝 Whisper 套件

STEP 1：首先要特別注意的，就是目前這款套件是使用「Python 3.9.9」的版本，如果你安裝的是最新版的 Python，那後續連基礎的安裝就會失敗。

安裝 Python 3.9 版本：brew install python@3.9

STEP 2：如果你在 local 環境已經安裝了其他版本的 Python，就需要切換到 3.9 的版本才能夠順利執行後續安裝，建議直接改 alias 比較快。

vi ~/.zshrc
alias python='python3.9'
alias pip='pip3.9

STEP 3：前面兩個步驟完成後，接下來安裝「通常」就會順利很多。

pip install torch torchvision torchaudio
pip install ffmpeg-python
pip install -U openai-whisper

# windows (https://chocolatey.org/)可使用 choco install ffmpeg
brew install ffmpeg
pip install setuptools-rust

如果想了解每個套件負責的任務是什麼，可以參考官網：https://github.com/openai/whisper#setup

STEP 4：確認是否安裝成功。

在終端機輸入指令：whisper –help，如果出現下面的畫面就代表你安裝成功嚕！

用 Whisper 套件將 Youtube 影片轉換成逐字稿

筆者在前面的文章，已經完成將 Youtube 影片轉換成音檔的程式，接下來我們可以請 ChatGPT 幫我們做程式組合的任務。

請自行安裝 pytube、pydub 的套件。

😀：「下面是我用 Python 寫的 Youtube 影片轉成音檔的程式，我想要在這個基礎上擴充功能，我在後續的對話中會提出自己的需求，請問你可以幫忙嗎？

from pytube import YouTube
from pydub import AudioSegment

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")

😀：「我找到了一個可以將 mp3 檔案轉成文字檔的套件，官方範例如下，我要如何將他與我現在的程式結合呢？

import whisper

model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])

我們在前面已經完成相關的套件安裝了，接下來直接嘗試看看 ChatGPT 組合後的程式是否靠譜。

from pytube import YouTube
from pydub import AudioSegment
import whisper

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")

# 讀取 MP3 檔案，轉成文字檔案
model = whisper.load_model("base")
result = model.transcribe("path/to/save/directory/audio.mp3")
print(result["text"])

SETP 1：建立一個youtube-local-whisper.py的檔案，貼上 ChatGPT 的程式。

SETP 2：在終端機輸入python youtube-local-whisper.py，然後稍等一段時間…就可以見證奇蹟啦！

提升轉出的逐字稿品質

在程式中，預設的 model 是 base 模型，實際上他有提供這些模型供我們選擇：「tiny/base/small/medium/large」

不過越往上，對電腦的需求越高，花費時間越多，我們可以先看一下官方提供的對照表：

除了 model 的選擇外，另一個是「語言」，如果一開始有設定好也能提升辨識的準確度（ex：中文是「zh」）。

有興趣的朋友可以看一下套件目前提供的語言列表：https://github.com/openai/whisper/blob/main/whisper/tokenizer.py

下面是筆者將語言調整成「zh」，並選擇「medium」這個 Model 優化的程式（除非你電腦性能超級優秀，否則選擇 large 會等到天荒地老）：

from pytube import YouTube
from pydub import AudioSegment
import whisper

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")

# 讀取 MP3 檔案，轉成文字檔案
model = whisper.load_model("medium")
result = model.transcribe("path/to/save/directory/audio.mp3", language='zh')
print(result["text"])

這次輸出的結果總算是比較接近預期的了（真的要等一段時間喔…）。

如果覺得看起來眼花，那就交給 ChatGPT 幫你整理一下吧！

😀：「幫我改錯字、分段、加標點符號，讓內容更通順：[逐字稿]」

結論：優化還是需要一定的專業水平

如果是一個 0 基礎的人，我會更建議使用筆者的另外一篇文章，來實作 Youtube 轉逐字稿的功能。

因為在 Local 環境導入 Whisper 真的還是有一些技術門檻，光是環境設定的部分，就可能讓沒經驗的人經歷「困惑 ➝ 絕望 ➝ 投降」的 3 個階段；不過，如果能順利設定完成，那將給自己帶來巨大的成就感。

儘管初步的程式，我們可以靠 ChatGPT 幫我們組合出來；但因為 Whisper 畢竟是一款新的套件，如果想要對他優化，還是需要具備閱讀技術文件的能力。

有了 AI 輔助，工程師就能把更多的精力放在優化而非基礎建設上，相信在不久的將來，M 型化會越來越明顯。

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！

如果沒有程式基礎的朋友，建議先從上一篇文章開始閱讀。

提醒大家，不要未經授權下載有版權保護的影片喔！

目前的 ChatGPT 資料截止於 2021 年 9 月，如果用到最近才新增的技術，我們還是要先到官網查看文件。

OpenAI 技術文件：https://platform.openai.com/docs/guides/speech-to-text

儘管 ChatGPT 不知道未來世界的資料，但我們還是可以請他幫我們將程式重組。

😀：「下面是我用 Python 寫的 Youtube 影片轉成音檔的程式，我想要在這個基礎上擴充功能，我在後續的對話中會提出自己的需求，請問你可以幫忙嗎？

from pytube import YouTube
from pydub import AudioSegment

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")

😀：「我找到了一個可以將 mp3 檔案轉成文字檔的套件，官方範例如下，我要如何將他與我現在的程式結合呢？

import openai
audio_file= open("/path/to/file/audio.mp3", "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file)

有了 ChatGPT 的提示後，我們可以按照下面的步驟操作。

SETP 1：安裝新套件：pip3 install openai。

如果上一篇文章沒有安裝到，請記得順便安裝不然會有錯誤訊息喔：pip install pydub pytube

SETP 2：建立一個檔案youtube-to-text.py，然後貼上 ChatGPT 提供的程式。

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 將音檔轉換為 WAV 格式
wav_file = audio_file.export("path/to/save/directory/audio.wav", format="wav")

# 使用 OpenAI 的 Audio API 將音檔轉成文字
openai.api_key = "YOUR_API_KEY"
with open("path/to/save/directory/audio.wav", "rb") as f:
    transcript = openai.Audio.transcribe("whisper-1", f)

# 印出轉換後的文字
print(transcript)

我們原本是將 Youtube 轉換成 mp3 檔，而這次 ChatGPT 改寫的過程中，把它轉換成了 wav 檔；並且對我們提供的範例程式做了一定程度的改寫（ex：告訴我們要自己填入”YOUR_API_KEY”）。

SETP 3：請先去 https://platform.openai.com/account/api-keys 申請自己的 API Key，將 YOUR_API_KEY 替換成自己的。

小提醒：將 API Key 放入環境變數的作法更好，不過這篇文章以 Demo 目的為主，讀者切記不要把自己的 API Key 洩露出去了。

SETP 4：輸入 python youtube-to-text.py 執行程式，結果遇到了錯誤如下：

看不懂錯誤訊息沒關係，直接貼到 ChatGPT。

原來是檔案大小的問題，這邊筆者將 10 秒的時間拉長到 100 秒，避免聲音切割過度。

from pytube import YouTube
from pydub import AudioSegment
import openai

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 切割音檔成多個小檔案
chunk_size = 100 * 1000  # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in range(0, len(audio_file), chunk_size)]

# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
    with chunk.export("temp.wav", format="wav") as f:
        result = openai.Audio.transcribe("whisper-1", f)
        transcript += result["text"]

# 印出轉換後的文字
print(transcript)

再輸入一次 python youtube-to-text.py 執行程式，接著就順利取得逐字稿啦！！！！

結論：要懂得組合應用

相比於上一篇，這篇文章的門檻比較高，像是多了：

1. 前往 OpenAI 官網，取得所需技術文件
2. 需要一定的英文閱讀能力（雖然你也可以請 ChatGPT 幫你翻譯）
3. 讓原有程式基礎上，疊加新應用的提問技巧

不過儘管我們取得了逐字稿，但這份逐字稿真的有點醜，閱讀起來有點困難。

這邊我們可以直接把他丟到 ChatGPT，請他幫忙分段落、整理摘要。

😀：「幫我改錯字、分段、加標點符號，讓內容更通順：[逐字稿]」

😀：「幫我擷取 300 字摘要：[逐字稿]」

摘要的內容有點赤裸 😅，不過當年筆者參加比賽的確就是為了出書。

不過手動貼到 ChatGPT 還是有點麻煩，下一篇筆者就來分享如何透過 OpenAI 的 GPT-3.5 模型，幫我們整理逐字稿內容吧！

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！

在這篇文章中，我附上與 ChatGPT 的完整對話，大家只要複製貼上就可以嘗試看看嚕！

Python 環境安裝的部分我就不贅述了，筆者使用的是 Python3；不過有設定 alias name，讓 python3/pip3 的指令對應 python/pip。

😀：「我使用的程式語言是 Python，他有辦法抓取 Youtube 影片的音擋嗎？」

ChatGPT 這邊也有提醒大家，不要未經授權下載有版權保護的影片喔！

from pytube import YouTube

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=VIDEO_ID"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

SETP 1：建立一個youtube-test.py的檔案，貼上 ChatGPT 的程式。

SETP 2：如果要執行程式，請安裝套件：pip install pytube。

SETP 3：將 url 替換成自己的：https://www.youtube.com/watch?v=IvOdTbIYZs4

這是筆者分享出書心得的影片。

SETP 4：在終端機輸入python youtube-test.py執行它，你會發現他自動建立了資料夾路徑，裡面存放著「audio」的檔案。

😀：「有順利在「path/to/save/directory」這個路徑下產生「audio」的檔案了，但他無法打開，這個真的是音擋嗎？」

請安裝套件：pip install pydub

😀：「如何與上一段程式結合呢？」

Copy code
from pytube import YouTube
from pydub import AudioSegment

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=VIDEO_ID"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

在終端機輸入python youtube-test.py，結果冒出一堆錯誤訊息。

把錯誤的結果貼到 ChatGPT，他是會幫你解答的。

若未安裝 homebrew 的朋友也可以詢問 ChatGPT 如何安裝。

在終端機輸入brew install ffmpeg，之後等他安裝完成（頗久的…）

再輸入一次python youtube-test.py，從終端機來看，天下太平了！

然後我們把 ChatGPT 的建議加入最後一行，讓他轉成 mp3 檔案。

from pytube import YouTube
from pydub import AudioSegment

# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"

# 建立 YouTube 物件
yt = YouTube(url)

# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()

# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")

# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")

# 檢查音檔是否可以正常解碼
print(audio_file)

# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")

此時你在終端機執行python youtube-test.py 會有一種感動！這個 mp3 擋真的在播放 Youtube 影片的音檔了…太神了…

結語：讓不會程式的人更願意嘗試

寫程式是一條非常艱辛的路，中間會遇到非常多的險阻與挫折。

就像上面展示的範例一樣，我們很難一次就得到正確的結果，但在發生錯誤時，過往會需要花費大量的時間除錯、找文件。

這些失敗的經歷會使人成長，但同時也會消耗熱情。

而 ChatGPT 的出現，很大程度地減緩了這塊的痛苦，讓我們更容易上手程式。

不過這對程式教育產業來說，可說是巨大的衝擊，因為人們多了一個全新的選擇（而且還不賴）。

下一篇就來分享如何搭配 OpenAI 的 whisper api 將音檔（mp3）轉換成文字吧！

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！