会议录音转写选ASR？实测对比7大模型，帮你找到最优解。
核心内容：
1. 7款主流ASR模型在准确率与速度上的横向评测结果
2. iOS三种录音模式对识别效果的具体影响
3. 降噪处理对转写准确率的实际作用分析

 

会议场景和同传不太一样。

同传、实时字幕这类场景，更关注边说边出结果，延迟要尽量低。会议录音通常是录制结束后再转写，用户更在意的是识别准不准，以及处理时间是否能接受。

所以我这次调研了市面上 离线 ASR 的能力。

我拿一段真实会议录音，测试了不同 ASR 模型、iOS 收音模式，以及降噪前后的效果，主要想确认三件事：

1. 1. 默认 ASR 模型选哪个？
2. 2. iOS 录音模式怎么配？
3. 3. 降噪能不能提升识别率？

先说结论：

默认用阿里百炼 FunASR。
更追求准确率，可以用火山 seedasr 标准版。
iOS 默认用 spokenAudio。
降噪能改善听感，但对识别率基本没帮助。

---

一、ASR 模型怎么选

这次测了 7 个模型：

Provider	WER	平均耗时
火山 seedasr 标准版	11.44%	118.33 秒
阿里百炼 FunASR	13.54%	31.35 秒
阿里百炼千问 3 ASR Flash	14.68%	48.04 秒
阿里百炼 Qwen ASR Flash	14.70%	46.35 秒
微软 Azure Speech 批量转写	15.13%	538.43 秒
火山 bigmodel 极速版	18.40%	15.76 秒
腾讯云录音文件识别	21.42%	63.03 秒

这轮结果比较清楚：

• • 火山 seedasr 标准版最准，但耗时更长。
• • FunASR 综合最均衡，准确率不错，速度也合适。
• • 火山极速版最快，但识别错误会多一些。

所以默认方案建议用：

阿里百炼 FunASR

如果更看重准确率，对等待时间没那么敏感，可以切到：

火山 seedasr 标准版

---

二、iOS 录音模式怎么选

这次在 FunASR 下，对比了三种 iOS 收音模式：

iOS 收音模式	WER
spokenAudio 标准模式	14.16%
measurement 测量模式	15.52%
voiceChat 增强模式	19.78%

结果是：

spokenAudio 最好，measurement 次之，voiceChat 最差。

这三个模式本身适合的场景不太一样。

spokenAudio：适合播客、语音内容和会议录音

spokenAudio 更偏向语音内容处理，适合人声为主的录音场景。

对于会议转写来说，它的识别效果最好，建议作为默认模式。

measurement：适合保留原始声音

measurement 会尽量少做额外处理，更接近原始录音。

适合做音频测试、声学分析，或者需要保留现场声音细节的场景。

但在会议转写里，它的识别效果略差于 spokenAudio。

voiceChat：适合实时通话

voiceChat 更适合语音通话、在线会议、实时连麦这类场景。

它会更关注实时听感，让对话听起来更清楚，但不一定适合录制后再做 ASR。

这次测试里，voiceChat 的 WER 明显更高。

所以 iOS 默认建议用：

spokenAudio 标准模式

---

三、降噪有没有用

这次还测了 Adobe Audition 降噪。

用同一段音频，对比降噪前后的识别结果：

Provider	降噪前 WER	降噪后 WER
阿里百炼 FunASR	14.16%	14.76%
火山 seedasr 标准版	12.25%	12.19%

听感上，降噪后的音频确实更干净，背景声少了，人声也更突出。

但识别率基本没变。

FunASR 反而略差了一点，火山标准版几乎持平。

所以这一轮的结论是：

降噪适合改善回听体验，但不适合作为提升 ASR 准确率的主要手段。

---

最后总结

基于这次 23 分钟会议录音测试，当前建议是：

• • 默认 ASR：阿里百炼 FunASR
• • 高准确率模式：火山 seedasr 标准版
• • iOS 默认录音模式：spokenAudio
• • measurement：适合保留原始声音
• • voiceChat：适合实时通话，不建议用于会议录音转写
• • 降噪：可以优化听感，但不是识别率优化重点

这次样本还不算多，结论也仅供参考。

 

登录查看剩余 70% 内容