• 请不要在回答技术问题时复制粘贴 AI 生成的内容
SilenceLL
V2EX  ›  程序员

请教下现在 app 端语音转文字 sdk 哪个好用些

  •  
  •   SilenceLL · 2h 36m ago · 515 views

    我们现在是用的百度的,产品觉得效果不好,又不想去每个 sdk 重新测试一遍。请教下大家实际使用哪家的方案比较好?

    12 replies    2026-09-01 12:00:48 +08:00
    neteroster
        1
    neteroster  
       2h 32m ago via Android
    中文豆包和千问都还可以(千问语音产品线很乱建议都试试)

    多语言 soniox 和 elevenlabs
    john990
        2
    john990  
       2h 30m ago via Android
    不想自己试可以让 AI 做啊,它还会用测试集,并且自己打分
    SilenceLL
        3
    SilenceLL  
    OP
       2h 24m ago
    @john990 这个咋测,是搞一批音频文件,然后让 ai 接各种 sdk ,然后测每个的识别效果吗
    QS0x01
        4
    QS0x01  
       2h 14m ago
    @SilenceLL 搜 ASR 方向的测试集就行,或者直接看千问 ASR 论文使用的测试集。
    john1024
        5
    john1024  
       2h 8m ago
    lazytyper 通义千问,火山的豆包语音
    William337
        6
    William337  
       1h 40m ago
    不知道 whisper 适合你不?
    SilenceLL
        7
    SilenceLL  
    OP
       1h 19m ago
    @William337 国内也能用吗
    capric
        8
    capric  
       1h 18m ago
    funasr
    dcatfly
        9
    dcatfly  
       1h 6m ago
    https://huggingface.co/spaces/hf-audio/open_asr_leaderboard
    https://artificialanalysis.ai/speech-to-text/non-streaming
    你可以参考这两个榜单,不过感觉 aa 的榜单有点不准。
    大体上中英文可以 qwen-asr ,其他语言可以 whisper 。
    maotong
        10
    maotong  
       18 mins ago
    https://github.com/k2-fsa/sherpa-onnx
    肯定是这个了。 里面有些训练好的模型可以直接用。全平台支持。
    nocmt
        11
    nocmt  
       9 mins ago
    可以看看我的软件,https://subflowai.nocmt.com/

    目前是支持端侧模型,跑 STT 和 LLM 翻译的
    taken
        12
    taken  
       4 mins ago
    流式的话,国内大厂:
    首推腾讯,服务好响应快
    其次就都差不多了

    讯飞>字节>阿里
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   4522 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 49ms · UTC 04:04 · PVG 12:04 · LAX 21:04 · JFK 00:04
    ♥ Do have faith in what you're doing.