请教下现在 app 端语音转文字 sdk 哪个好用些

[SilenceLL]

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？

[neteroster]

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]

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]

@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]

@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]

lazytyper 通义千问，火山的豆包语音

[William337]

不知道 whisper 适合你不？

[SilenceLL]

@William337 国内也能用吗

[capric]

funasr

[dcatfly]

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]

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]

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]

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]

系统内置的