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
- 用 MiniMax H3 生成的短片《Odissey of Aeons》 — Musikalandia · 2026-10-27
- 开源本地视频工作室 Remiqora Video：一个想法到 4K 成片 — inikolax · 2026-10-27
- 5000 美元悬赏微调儿童图像模型，ostris 以 MOSS 底座夺冠 — ostrisai · 2026-10-27
- HN 热帖:三年对比看图像生成技术走了多远 — hunterbrooks · 2026-10-27
- FLUX.3 Edit 首发即成功：两张参考图让概念车旋转 90 度上路 — EvilBot-666 · 2026-10-27
- 网友用 AI 制作《金刚狼：血泪之路》同人剧集第一集 — ArtificialLightPixel · 2026-10-27