这是一个创建于 384 天前的主题，其中的信息可能已经有所发展或是发生改变。
工作需要，经常要把语音讲话转为文字。想请教大家，一是自己搭建个语音转文字的服务，是用 Whisper 模型搭建吗，准确率能达到多少？二是和使用录音笔自带的转文字功能相比，哪个准确度更高一点？三是因为讲话人也就是固定的三五个人，能否进行模型训练，用什么来训练？四是成本大概是多少呢？谢谢。
 |
1
charlestang 2023-12-08 10:18:22 +08:00
如果是中文的话，尤其夹杂方言的话，可以用科大讯飞的录音笔。自带终身免费的转文字方案（成本就是个录音笔的钱）。如果涉及到外语，可能只能选 Whisper 之类的东西了
|
 |
2
mylastfire OP @charlestang 感谢。不想为了工作花自己的钱，哈哈。如果自己搭建，还能干点别的事。
|
 |
3
xmuli 2023-12-08 13:36:56 +08:00 via iPhone
阿里开源的 FunASR 实测效果也很棒，中英识别也很准确。
采用本地 whisper 不要部署 docker 那一个版本，表现比较拉胯，且间隔短了会返回 error |
|
4
mylastfire OP @xmuli 收到，多谢，晚上研究一下。
|
 |
5
fydss 2023-12-08 15:26:20 +08:00
PLAY 上面有一个语音转文字的 APP 要求科学上网
|
|
6
fydss 2023-12-08 15:27:11 +08:00
找到了 叫实时转写 可以试试
|
|
7
mylastfire OP @fydss 收到，感谢，去看看。虽然我目前是倾向于自己搭建一个 哈哈
|
Select Language