如何为 OpenTypeless 选择合适的 STT 供应商

OpenTypeless 支持 6 个语音转文字供应商，各自在准确率、速度、语言覆盖和定价方面有不同优势。选择合适的供应商可以显著改善你的语音输入体验。本指南提供详细对比，帮助你根据具体使用场景选择最佳供应商。

语音转文字的工作原理

在深入了解各供应商之前，先了解当你对 OpenTypeless 说话时发生了什么。你的麦克风捕获音频，音频被压缩后发送到 STT 供应商的 API。供应商通过在数千小时语音数据上训练的神经网络处理音频，生成文本转录。不同供应商使用不同的模型架构、训练数据和优化策略 — 这就是为什么准确率和速度在供应商之间差异显著。

需要考虑的关键指标有：词错误率（WER）— 转录错误的单词百分比；延迟 — 获得结果的速度；语言支持 — 支持哪些语言和方言；以及定价 — 每分钟音频处理的费用。没有单一的「最佳」供应商 — 正确的选择取决于你的主要语言、延迟要求和预算。

Deepgram Nova-3

Deepgram: 使用参考录音，并记录错误、格式、模型及文档日期.

Deepgram: 查阅现行语言文档; 实测工作流中的应用; 检查当前语音路径.

• Deepgram: 用代表性录音衡量准确度，不依赖固定排名.
• Deepgram: 通过官方文档和端到端测试确认流式行为.
• Deepgram: 查阅对应模型与地区的现行计费条款.
• Deepgram: 在文档中核对所需语言和方言，并用真实说话人测试.

OpenAI Whisper

OpenAI Whisper: 在文档中核对所需语言和方言，并用真实说话人测试; 用同一评分方法比较含噪录音; 测试工作流中的专业术语与专有名词.

OpenAI Whisper API：查阅所选路径的现行文档，并用代表性的长短录音衡量完整响应与流式模式。

• OpenAI Whisper: 在文档中核对所需语言和方言，并用真实说话人测试.
• OpenAI Whisper: 用同一评分方法比较含噪录音.
• OpenAI Whisper: 测试工作流中的专业术语与专有名词.
• OpenAI Whisper: 通过官方文档和端到端测试确认流式行为.

Groq Whisper

Groq: 确认所选模型的响应、数据与计费条款.

Groq: 记录质量、延迟、数据条款与当前成本.

• Groq: 查阅对应模型与地区的现行计费条款.
• OpenAI: 查阅对应模型与地区的现行计费条款.
• Groq: 用代表性录音衡量准确度，不依赖固定排名; 用同一评分方法比较含噪录音.
• 用同一份草稿测试编辑效果; 查阅当前方案

GLM-ASR

GLM-ASR: 纳入普通话、方言、中英混合、姓名及领域词汇.

GLM-ASR: 实测工作流中的应用; 用同一份草稿测试编辑效果; 查阅现行语言文档.

• GLM-ASR: 用代表性说话人衡量普通话与方言转写.
• GLM-ASR: 使用真实术语测试中英文切换.
• GLM-ASR: 测试前查阅现行模型、数据、语言与计费文档.

AssemblyAI

AssemblyAI: 核实说话人分离、音频分析、数据保留与计费.

AssemblyAI: 核实所需功能、数据保留及现行计费条款. 用同一份草稿测试编辑效果

SiliconFlow

SiliconFlow: 记录模型和地区，再运行共用音频集.

如何切换供应商

在 OpenTypeless 中切换供应商大约需要 10 秒。打开设置，进入 STT 标签页，从下拉菜单选择新供应商，输入你的 API 密钥。OpenTypeless 立即验证密钥，你就可以开始使用了。之前供应商的 API 密钥会被保存，所以你可以随时切换回去而无需重新输入凭据。

设置 → STT 供应商 → 选择供应商 → 输入 API 密钥 → 完成

我们的推荐

没有一条 STT 路径适合所有人。先明确语言和词汇需求，确定你的网络连接可接受的延迟，再用同一段有代表性的录音比较各提供商。同时考虑格式化、数据处理政策和当前条款。OpenTypeless 允许你切换路径，无需重建工作流的其他部分。