LinkDigest 如何用聊天模型轉錄語音,並檢查錯誤後回退
We swapped speech-to-text for a chat model that listens: a quarter of the cost, and three guards it needed
重點導讀
語音轉文字很花模型費用,作者因此測試用聊天模型替 LinkDigest 轉錄中文短影片,並比較五個模型處理同一段 90 秒語音的費用、速度和結果。
- 測試中,qwen3.8-omni-flash 花費 $0.00058,轉錄品質與原本使用的模型相近,但速度較慢。
- 另一個聊天模型則把約 220 字的語音寫成 1,510 字,還重複了後半段。為了攔下道歉、語速不合理、重複內容、截斷或錯誤,作者替每段轉錄加上檢查,沒通過就改用原本的轉錄服務,並把兩次呼叫和最後採用的結果記入費用紀錄。作者也提醒,單段測試只能當比較起點,還要看真實流量的結果。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
We swapped speech-to-text for a chat model that listens: a quarter of the cost, and three guards it needed
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文