STT

STT 关键指标 STT（Speech-to-Text）选型看五个核心指标： 指标 含义 行业标准 WER Word Error Rate，词错误率 中文 < 5% 为优秀 延迟 实时流式 vs 离线，TTFB 实时 < 300ms 成本 每小时音频价格 < $1/小时为经济 多语言 支持语言数和质量 中文+英文+主要语种 鲁棒性 噪声/口音/远场表现 实际场景必备 2026 年 STT 领域的关键趋势：开源模型（Whisper v4、SenseVoice）的 WER 已经低于商业 API，但在流式实时识别和极端噪声场景上，商业方案仍有优势。 主流平台对比 平台 中文 WER 英文 WER 流式延迟 成本 多语言 开源 Whisper v4 (OpenAI) 3.8% 2.9% 不支持流式 免费 99种 是 Azure Speech 4.2% 3.5% 200ms $1/小时 100+ 否 OpenAI Whisper API 3.8% 2.9% 不支持流式 $0.006/分钟 99种 否(API) Alexa ASR 5.1% 4.3% 150ms 闭源 8种 否 SenseVoice 3.2% 4.1% 250ms 免费 50+ 是 Paraformer 3.5% 5.2% 200ms 免费 2种 是 火山引擎 ASR 3.8% 4.0% 180ms ¥0.4/小时 20+ 否 各平台深度分析 Whisper v4 OpenAI 2025 年发布的 Whisper v4 是开源 STT 的标杆。 ...