请教下现在 app 端语音转文字 sdk 哪个好用些

SilenceLL 2026-09-01 09:28 1

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？

最新回复 (21)

neteroster 09-01 09:32

1楼

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 09-01 09:34

2楼

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 楼主 09-01 09:40

3楼

@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 09-01 09:50

4楼

@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 09-01 09:56

5楼

lazytyper 通义千问，火山的豆包语音
William337 09-01 10:23

6楼

不知道 whisper 适合你不？
SilenceLL 楼主 09-01 10:45

7楼

@William337 国内也能用吗
capric 09-01 10:46

8楼

funasr
dcatfly 09-01 10:58

9楼

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 09-01 11:46

10楼

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 09-01 11:55

11楼

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 09-01 12:00

12楼

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
dingwen07 09-01 12:11

13楼

系统内置的
feifei1210250 09-01 14:08

14楼

常规中文的话用 Fun-ASR-Nano-2512 ，识别效果和速度都比 whisper 要强很多，

但带背景音乐的中文影视作品用前者会有幻觉，经常会会有“哈哈哈”之类的完全无关的识别结果，仍是 whisper large-v3-turbo 比较合适
Nasdaq 09-01 14:09

15楼

Fun-ASR
junyiwork 09-01 15:22

16楼

中文的话，火山引擎或者阿里云的 ASR 都还不错。
declandragon 09-01 15:25

17楼

是实时语音转文字还是音频提取字幕？音频提取字幕用了阿里的
DICK23 09-01 15:41

18楼

我用的腾讯的 asr
KisekiRemi 09-01 17:34

19楼

推荐腾讯或者讯飞的
William337 09-01 18:13

20楼

@SilenceLL 开源的为啥不行，目前用这个做字幕，还没有比它体验更好的，目前。但是我是本地 Windows 跑的，你要调研一下是否有移动端版本
woaigeny 09-01 18:48

21楼

用的讯飞的，识别效果还行