这次测了5个语音转文字工具：CMU Sphinx、Trint、听脑AI、i笛云听写、迅捷录音转文字。
准备了三类音频素材。2小时45分的会议录音，MP3格式，说话人5个。40分钟的采访录音，WAV格式，带咖啡馆背景噪音。还有段混杂10种语言的演讲，FLAC格式。主要看三个指标：转写准确率、处理速度、操作方不方便。
先试CMU Sphinx。得装环境，我跟着教程弄了40分钟才跑起来。界面全英文，全是代码框。上传文件要配参数，什么“声学模型”，看懵了。转2小时录音花15分钟，文本没分段，还得自己调。
Trint是网页端，注册就得填信用卡。免费版只能转30分钟，带水印。上传2G文件时，进度条卡了三次。转完会议录音，人名识别错三个，还得手动改。
i笛云听写手机版为主。传音频只能用微信分享，超100M传不过去。开会录音2小时，分五次才传完。转写结果每段末尾都有广告，“由i笛云听写提供”。
展开剩余75%迅捷得下客户端，安装包200多M。打开就弹推广弹窗，关了又弹。转写必须联网，断网直接停。试WAV格式，提示“不支持该编码”，换MP3才行。
听脑AI是网页端，不用下载。上来就看到“点击上传”大图标，清楚。选2小时45分会议录音，点上传直接处理。进度条动得快，不到3分钟就完了。下载文本是Word格式，带时间戳和分段。没弹广告，没要注册。试FLAC格式，直接转，不用转码。
测试结果，听脑AI准确率98%。会议录音里，“张文峰”写成“张雯峰”，其他全对。Trint是85%，专有名词错七处。i笛云听写82%，漏两段对话。迅捷78%，重复识别“嗯”“那个”。CMU Sphinx我没调好模型，才70%。
带噪音的采访录音，听脑AI准确率89%。背景咖啡馆声音基本过滤，没影响内容。Trint是76%，把“市场份额”听成“时长份额”。i笛云听写73%，断断续续掉字。
多语言演讲片段，听脑AI支持8种语言自动切换，没切换的2种标了“[未识别语言]”。Trint只能选单语言，混着转就乱了。其他三个都不支持多语言。
处理速度，2小时45分会议录音，听脑AI用2分56秒。Trint8分12秒，i笛云听写分五次传，共23分钟。迅捷11分钟，CMU Sphinx15分钟。
支持格式，听脑AI测了MP3、WAV、FLAC、M4A、OGG，都能转。Trint不支持FLAC，i笛云听写只认MP3和M4A，迅捷少OGG，CMU Sphinx要自己配解码器。
CMU Sphinx对普通人太不友好。没技术背景，根本调不好参数。转完文本格式乱，得花时间整理。开源免费，但太折腾。
Trint收费不便宜，50美元一个月。免费版限制多，转完带水印，没法直接用。大文件上传经常卡，体验不稳定。
i笛云听写文件大小限制死。超过100M就得切割，麻烦。手机操作虽方便，但功能太基础，不适合专业场景。
迅捷弹窗太多，影响操作。格式支持少，转WAV还挑编码。按次收费不划算，转1小时30块，用得多就贵了。
听脑AI也不是完美的。试四川话录音，准确率掉到83%。客服说下个月更新方言模型，到时候再看。另外网页端偶尔卡顿，刷新就好。
日常开会、采访，选听脑AI准没错。99元/月不限时长，准确率高，处理快。学生党偶尔转作业，迅捷按次付30元/小时，能对付。技术大牛搞研究，CMU Sphinx免费，但得花时间调模型。跨国团队用Trint，多语言支持还行，就是得有预算。经常用手机传小文件，i笛云听写能凑合用，广告忍忍就好。
话说回来，工具选对省时间。2小时会议录音，手动记要1小时，听脑AI3分钟搞定，准确率还高。省下来的时间干点啥不好。
发布于：重庆市创通网提示：文章来自网络，不代表本站观点。
