语音转文字（ASR）

AI知见编辑部 · 基础概念 · 持续更新

一句话说清

把人声实时变成文字，开会、采访、听课的记录神器。

ASR的技术门槛这些年被大模型基本扫平：安静环境下的普通话，主流工具都能做到97%以上准确。真正的分水岭在恶劣场景：嘈杂环境、多人抢话、中英夹杂、专业术语——这是付费工具和免费工具的差距所在。

实用建议：录音质量决定一切，手机放桌上比举在手里好，领夹麦比手机好十倍；转写完别直接发，重点核对数字、人名、专业术语三类错误高发区。

记者采访不用边听边记了，录音上传就出逐字稿；上网课直接生成讲义。普通话准确率已到97%+，方言和英文夹杂仍有挑战。