Google Cloud Speech-to-Text 介紹：台灣繁中與企業級語音辨識
解析 Google Cloud Speech-to-Text V2、cmn-Hant-TW 語言代碼、Chirp 模型、Dynamic Batch 與服務帳戶認證，並介紹如何搭配 Scribis 進行語音工作流。
Google Cloud Speech-to-Text 適合已經使用 Google Cloud Platform（GCP）的團隊。它提供多種 recognition model、區域設定、企業級權限管理與大量語言支援；在 Speech-to-Text V2 的語言表中，台灣繁中可使用 cmn-Hant-TW，並列有 Chirp 模型。
本篇會介紹 Google Cloud Speech-to-Text 的特色、台灣繁中設定、V2 與 Dynamic Batch 的差異、認證方式和費用，並說明 Scribis 如何作為桌面端的錄音整理工具。
Google Cloud STT 適合哪些人？
Google Cloud Speech-to-Text 適合需要 GCP 專案管理、IAM 權限、區域設定或大型批次作業的企業。對個人使用者而言，Groq、OpenAI 或其他 API key 服務通常比較容易開始；Google Cloud 的優勢則在於可以和既有的 Google Cloud Storage、Cloud Logging、Cost Management 與企業帳戶結合。
| 項目 | Google Cloud Speech-to-Text V2 |
|---|---|
| 台灣繁中 | cmn-Hant-TW |
| 主要模型 | chirp、chirp_2 等，依區域與語言支援狀況而定 |
| 說話者辨識 | 依語言與模型功能支援 |
| V2 Standard | 約 US$0.016／分鐘起 |
| Dynamic Batch | 約 US$0.003／分鐘起 |
| 認證方式 | GCP project、service account 或其他 Google Cloud 認證 |
| 適合對象 | 企業、GCP 團隊、需要區域與權限控管的使用者 |
Google Cloud 官方定價頁以成功處理的音訊秒數計費；V2 Standard 在每月 0 至 500,000 分鐘的級距列為 US$0.016／分鐘，Dynamic Batch 則列為 US$0.003／分鐘。
圖中的 Google Cloud 數值是 V2 Standard 的公開基本費率。Dynamic Batch 是另一種較低緊急程度的處理方式，不能把兩者當成完全相同的服務比較。
台灣繁中的語言代碼
Google Cloud Speech-to-Text V2 使用以下語言代碼表示台灣繁中：
cmn-Hant-TW
Google 官方語言表列出此代碼可搭配 Chirp 模型，並依區域與功能列出 automatic punctuation、diarization、model adaptation 等支援欄位。
不同 Cloud ASR 的語言代碼不能直接互換。例如，Azure 使用 zh-TW，Deepgram 常見 zh-TW 或 zh-Hant，而 Google Cloud V2 的表格列出 cmn-Hant-TW。使用 API 時，請以該服務的官方語言表為準。
如果錄音主要是台灣中文，建議先指定 cmn-Hant-TW，再用中英混合、口音、背景音和多人對話的實際音檔測試結果。
建立 Google Cloud Speech resource
前往 Google Cloud Console，建立一個專門的 GCP project，例如：
speech-transcription-project
建立 project 後，啟用 Cloud Speech-to-Text API，並確認 project 已設定 billing。Google Cloud 官方也提供新客戶試用 credits，但是否符合資格、有效期限與可使用服務，應以你的 Google Cloud Console 顯示為準。
如果是個人測試，可以使用單獨 project，方便查看語音服務費用；如果是團隊或公司，則建議建立專用 service account，只授予必要的 Speech-to-Text 權限。
認證方式與安全
Google Cloud 的標準做法是使用 service account 或 Application Default Credentials。建立 service account 後，可以下載 JSON credentials；這個檔案可能包含私密金鑰，絕對不要上傳到 GitHub、公開雲端硬碟或部落格截圖中。
本機測試時，可以使用 Google Cloud CLI 設定 Application Default Credentials：
gcloud auth application-default login
gcloud config set project speech-transcription-project
若使用服務帳戶檔案，請將環境變數指向安全位置：
export GOOGLE_APPLICATION_CREDENTIALS="$HOME/.config/gcloud/speech-service-account.json"
這套認證流程和一般「貼上一組 API key」的服務不同。使用 Google Cloud 前，請同時確認 API enable、billing、region、model 和 IAM 權限。
Dynamic Batch 與一般辨識
對已經錄好的課程、訪談、Podcast 或會議，Google Cloud 可以依需求選擇一般 recognition 或 Dynamic Batch。Dynamic Batch 以較低的緊急程度換取較低的基本費率；如果你可以等待較久、並且要處理大量檔案，它可能具有成本優勢。
反過來說，如果你需要即時字幕或低延遲回應，就不應只看 Dynamic Batch 的低價格，而要選擇符合延遲要求的處理模式。
如何搭配 Scribis 整理錄音？
Scribis 可以作為桌面端的語音工作台：匯入本機音訊或影片、取得逐字稿、編輯文字、搜尋內容，再匯出字幕或文字檔。這個工作流程很適合在比較 Cloud ASR 服務後，集中校對最後採用的逐字稿。
完成 Google Cloud 轉錄後，可以使用 Scribis 進行逐字稿校對、搜尋、整理與字幕匯出。
說話者辨識與字幕
Google Cloud 的語言支援頁會逐一列出不同語言、模型與功能的相容性。台灣繁中可以在該表中查到 cmn-Hant-TW，但是否能同時使用 speaker diarization、automatic punctuation 或 model adaptation，仍要以所選模型、region 和功能欄位為準。
如果你的目標是字幕，請確認 API response 是否包含 word time offsets，並測試轉成 SRT 或 VTT 後的時間軸。若使用桌面工具，也要確認工具是否能讀取 Google Cloud 的 response 格式。
費用與多聲道
Google Cloud 會依成功處理的音訊長度計費，並且每個聲道分開計算。官方定價頁指出，多聲道音訊的總計費時間會按照所有聲道長度加總；一小時、四聲道的檔案可能按四小時音訊量計費。
若檔案先放入 Google Cloud Storage，還可能產生其他 Google Cloud 資源費用。建立 project 後，建議設定預算與提醒，避免測試用專案意外產生超出預期的帳單。
常見問題
cmn-Hant-TW 和 zh-TW 可以互換嗎？
不能直接互換。cmn-Hant-TW 是 Google Cloud Speech-to-Text V2 語言表列出的代碼；zh-TW 則常見於其他服務。不同 API 的語言代碼格式不同，請使用 Google 官方表格列出的值。
Dynamic Batch 是不是永遠比較好？
不是。它的優勢是較低基本費率，但處理優先級與等待時間可能不同。即時字幕或低延遲需求應選擇適合的辨識模式，而不是只追求最低每分鐘價格。
為什麼 Google Cloud 比一般 API key 服務難設定？
因為 Google Cloud 的企業認證通常包含 project、service account、IAM 權限、region 和 billing。這些設定換來較完整的治理能力，但初次使用的門檻也比較高。
結語
Google Cloud Speech-to-Text 適合需要台灣繁中、GCP 專案管理、IAM 權限與企業級部署的團隊。它的彈性很高，但設定門檻也比 Groq 或 OpenAI 高。
你可以先用 cmn-Hant-TW 對自己的錄音做測試，再依需求比較 Standard 與 Dynamic Batch。若希望把轉錄結果集中校對、整理和匯出，可以將 Scribis 放入整體語音工作流程中，並以 Scribis 當下支援的模型為準。