实测 DeepSeek 语音识别 API：每小时 4 毛却输给本地 1.7B 小模型
AGI Hunt · wechat · 2026-11-14
DeepSeek 将 App 内的联网搜索、OCR、语音识别等能力拆成独立 API 开放，其中语音识别定价 0.39 元/小时（限时 5 折）。博主用自建 95 条真实口述测试集（34 分钟）加 AISHELL、LibriSpeech 等公开基准，与十余个模型横向对比：DeepSeek 在他的口述上错误率 3.08%，连未微调的本地 Qwen3-ASR 1.7B（2.57%）都没赢过，也逊于千问 Flash（2.00%）、火山（2.18%）。
问题集中在三点：中英混说时专有名词识别只有 66% 正确（GitHub 听成「help在艺术上」），且接口不支持热词/prompt/上下文；标点句号过多（142 个句号打成 291 个）、中英文间不加空格；不支持流式识别，短句延迟 0.84 秒、长段 2.35 秒，单次上限 120 秒。博主通过输出一致率分析，发现 DeepSeek 与开源 Qwen3-ASR 1.7B 在各基准上的输出比 Qwen3 自家两个尺寸之间还相似，推测它是基于 Qwen3-ASR 1.7B 用自有数据再训练的版本。
文章另一亮点是博主的个性化微调流程：用口喷鸡积累的 829 条口述录音（4.8 小时），让 Claude Sonnet 子 Agent 做标注，在 4090 上对 Qwen3-ASR 1.7B 做 LoRA 微调（一轮仅 5 分钟），英文词识别率从 85% 升到 94%，上线后新录音错误率从 5.45% 降到 2.07%，微调版在测试集上错误率 1.80%，低于所有云端模型。结论：暂不接入 DeepSeek，等它支持热词或上下文参数再测。
「编程与Agent」频道最新
- Local Code 让 32GB Mac 跑 DeepSeek 4.1 Flash,靠 SSD 流式加载 — alexcovo_eth · 2026-11-14
- SAG Wiki 免向量库建本地知识库,可对接 Claude Code 检索文档 — FellMentKE · 2026-11-14
- 递归自我改进 Agent MolRSI：湿实验命中率提升 82%，8:0 力压 ClaudeScience — 机器之心 · 2026-11-14
- OpenAI $200 档将降至 $100,用户囤 4 次 Codex 重置赶续命窗口 — koltregaskes · 2026-11-14
- tonbi 推出 AI Garage 插件：让 Agent 直接检索其全平台内容 — Teknium · 2026-11-14
- 谷歌Modern Web Guidance：给编码Agent装上前端规范指南 — aigclink · 2026-11-14