实时语音识别WER对比:三大模型横评
ArtificialAnlys · x · 2026-07-06
在首句部分转写下,Universal-3.5 Pro Realtime的Max Accuracy模式在语音结束后0.44秒达4.1% WER,准确度仅次于ElevenLabs Scribe v2 Realtime(3.6%,0.13秒),略优于Cartesia Ink-2外端点(4.3%,0.07秒),但出字更慢;Min Latency模式0.39秒返首句、6.1% WER,以准确度换更低延迟。
所属事件:AssemblyAI连发Universal-3.5语音模型(4 条相关)→
「多模态」频道最新
- AI 视频制作入坑指南：如何解决连贯性与审查限制 — cynicalnewenglander · 2026-07-22
- 先做分镜再生成，AI 舞蹈视频更容易保持一致性 — aftahi_ai · 2026-07-22
- Runpod MCP 让 Claude 直接编排图像和视频生成工作流 — 802high · 2026-07-22
- Midjourney 把蜜蜂做成碎片爆炸梗图 — michaelrabone · 2026-07-22
- 物理奖励能改进视频生成，但不等于物理引擎 — Dapper-Drawer4546 · 2026-07-22
- HeyGen 给 coding agent 接入 7.5 万图片和 1 万音乐 — HeyGen · 2026-07-22