跳到正文
Dev.to Top Tech(dev.to)· Programming with Jack Chew·· 4 天前品質評分68

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

自備 Key 深度分析

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。

開啟原文
來源: Dev.to Top Tech (dev.to)
開啟原文

讀者討論

理性交流 · 即時討論