我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 157 days ago, the information mentioned may be changed or developed.
 |
106npoJun 2
1
比 large v3 更准的是 medium. large 不管是中文还是日文,幻觉太多了
|
 |
heartleoJun 2
2
|
 |
380ccJun 2
3
@106npo 想问问，whisper large v3 精准度比 large v2 好吗？我记得我以前用的时候，large v3 结果比 large v2 要差啊，用的 whisper kit.
|
 |
ahciJun 2
4
感觉 v3 不如 v2 ，尤其是处理日语方面
|
 |
neterosterJun 2 via Android
5
那太多了，中文的话豆包，多语言的话
elevenlabs ，soniox |
 |
6
@106npo 我一直以为它这个模型越大，越准，时间戳也越准
|
|
7
@ahci 你是懂日语的
|
 |
jackOffJun 2
8
https://github.com/RVC-Boss/GPT-SoVITS 这个项目我用 whisper large v3 跑似乎还行？其他的没有测过
|
|
10
@106npo 那我试试 v2
|
 |
m1nm13Jun 2
11
反正我是觉得 Whisper 已经过时了，而且过时好几年了。
sensevoice 这类比较新的非自回归的模型，可能效果都比它好。 |
 |
noahjsnJun 3
12
@neteroster #5
这两个都是 API ，不是本地跑的 |
 |
rayer4uJun 3
13
qwen3-asr 不错的，对中文、方言支持比 whisper 好
|
 |
upritJun 3
14
是挺神奇的，有时候 base 也比 large 准
|
|
15
@rayer4u qwen 这个试了，时间戳不是很准，
|
Select Language