AI AI 资源社
菜单

Whisper tiny与base中文转写实测:人名和订单号能听清吗?

2026-10-23 09:18 7 阅读

摘要: 用同一段17.535秒系统合成中文音频,对比Whisper tiny与base的人名、日期、编号和金额转写,公开参考稿与原始输出。

转写稿读起来通顺,不代表关键字段正确。本次用同一段17.535秒中文音频,对比Whisper tiny与base:两个模型都没有正确写出全部人名和订单编号;base在本样本的日期、时刻与金额字段上比tiny少出错。这个观察只适用于下面公开的单个样本,不构成工具总排名。

测试材料与方法

音频由macOS系统Tingting声音合成,输入为本站自编的虚构订单通知,设定速率160,转为16kHz单声道WAV。它是干净的单说话人合成音频,不是真实会议、口音或噪声场景,也没有用于测试说话人区分。播放器提供压缩MP3便于试听,实际转写使用WAV。

参考稿:

林玥,请在十月二十二日下午三点十五分,向周祺确认订单。订单编号是零零七八,单价一千二百八十元,数量十二件,合计一万五千三百六十元。备用联系人是沈蔚。

运行环境为macOS ARM64、Python 3.9、faster-whisper 1.2.1、CTranslate2 4.8.3、NumPy 1.26.4;使用CPU int8、4线程。两个模型均为多语言tiny/base,固定中文、beam_size=5、temperature=0、condition_on_previous_text=False,未提供人名提示。安装期间曾出现数值库警告,固定兼容依赖后重跑,最终记录无该警告。

原始输出,保留错误与繁体字

tiny:

領域,請在10月20日下午3.15分,向週期確認訂單,訂單編號是領領七八,單價1280元,數量12件,合計以外5,366元被用聯繫人士審味。

base:

0月,請在10月22日下午3點15分,向週期確認訂單,訂單編號是0708,單價1280元,數量12件,合計15360元,備用聯繫人士審位。

这里没有把“週期”改成“周祺”,也没有把“0708”改成“0078”。繁简差异单独看待;人名写成同音的普通词,仍属于实体错误,不能因为读音接近就判正确。

逐字段核对,比只看全文更能暴露问题

字段与参考值 tiny输出 base输出
林玥 領域,错误 0月,错误
周祺 週期,错误 週期,错误
沈蔚 審味,错误 審位,错误
10月22日 10月20日,错误 10月22日,符合
下午3点15分 3.15分,写法不符合预期时刻 下午3點15分,符合
订单号0078 領領七八,错误 0708,错误
单价1280元 1280元,符合 1280元,符合
数量12件 12件,符合 12件,符合
合计15360元 以外5,366元,错误 15360元,符合

按“对应语义字段与参考一致”的检查方式,base符合5项,tiny符合2项,共9项。这是本站为本例定义的字段检查,不是标准字错率、总体准确率或统计显著性结果。尤其tiny的“3.15分”可被人猜测为时刻,但原文格式不够明确,因此没有算作字段符合。

本样本能说明什么,不能说明什么

它说明普通数字识别正确时,人名和编号仍可能出错;较大的base在这段音频上也没有解决专有名词。用于订单处理时,应回听并核实这些字段,不能用语言模型把“合理的人名”补进去。

样本只有一段合成语音,没有说话人重叠、长录音、不同口音和多次采样。它不能证明base在所有场景优于tiny,也不能用来评价云端会议产品的摘要、说话人分离、导出格式或隐私措施。我们没有为未测试功能打分。

如何复现与扩展

from faster_whisper import WhisperModel
model = WhisperModel("base", device="cpu", compute_type="int8", cpu_threads=4)
segments, info = model.transcribe(
    "aizys-asr.wav", language="zh", beam_size=5,
    temperature=0, condition_on_previous_text=False)
print("".join(s.text for s in segments))

将base换成tiny可运行另一组。下载测试材料包包含实际使用的WAV、参考稿、参数记录与原始结果。模型文件版本记录和校验信息保留在包内;不同依赖、量化与实现可能造成结果差别。

后续若扩展评测,应固定一组未参与调试的真人授权录音,覆盖更多人名、数字和环境,再分别统计字段与文本错误。给模型加人名词表可以作为下一轮独立实验,但不能覆盖本次无提示结果后声称原模型已经听对。

资料来源与核查日期

资料核查:2026年10月22日至23日。产品条件可能调整,具体操作以当前官方页面为准。

标签: 暂无标签