gpt-4o-transcribe vs whisper vs 搜狗 vs 讯飞的识别率测试
网上语音模型评测很少，而且主要是英文语音识别评测，
嗯，那就自己动手，丰衣足食
4o-transcribe和4o-mini-transcribe是OpenAI在2025年新发布的语音听写闭源API
Whisper是OpenAI在2022年发布的开源API，2023年出到v3就停更了，按照OpenAI的Close特点，估计以后也不太可能更新了
识别原文见下图，红色是识别错的部分
我朗读相同一段内容，几个模型同时识别
评测标准
我是以录音者作为一个大学生，办公室职员，或文字工作者，在学习工作中，正常的文字规范（老师或老板不挑刺），正常的口头禅，正常的低度噪音环境作为标准
这个标准比官方自己评的标准严格得多，或者说官方标准太低了，场景太完美了
官方自己评，老王卖瓜，都说自己是9x%识别率，这些都是营销话术，看看就好，别太当真。你也不能说他撒谎，只是测试场景不同，场景单一例如只有中文，或者中英文分段说，不混杂，没有噪音，播音员朗读，然后识别，当然识别率高了，但这不是实际的工作生活环境，刷这种理想环境下的识别率没意义
根据前后文，在理解整句话意思的前提下，推断同音词：人类就是这么推测同音字/词的，这是4o等大模型语音识别的优势，这一块搜狗讯飞等非大模型语音识别很弱
用一段落中英混讲正确识别：能迅速区分出段落里的混杂的中英文。而不需要是整段中文或整段英文，
因为很多次中英文发音相近，例如"Yes"和"噎死"，需要结合上下文进行推理，这一块搜狗讯飞等非大模型语音识别很弱
能去除中英文口头禅：例如：嗯，啊，这个，那个，是吧，然后，you know
这个事非常重要，我们自己都意识不到，我们一句话里，可能10~20%是各种口头禅
标点符号合理：中英文标点符号不能混用（例如，和,），该用句号的地方，不能用逗号
英文拼写正确：句子专有名词首字母大写，缩写全大写（例如API）
专有名词正确：例如CleverType，VoiceNotes是品牌商标，中间不能有空格
不能识别噪音：例如咳嗽，哼曲子
连续重复的话删除
评测结论
CleverType(4o-transcribe)：错误率在10%以下，即红色字占总字数比例，包年不限量$54，api价格¥2.7/小时
VoiceNotes(whisper)：错误率在25%以下，包年不限量$90，api价格¥0.7/小时
讯飞高精转录：¥2/小时左右，错误率35%左右，好于免费的讯飞输入法，但远不如同价位的4o-transcribe，甚至远不如1/3价格的whisper
讯飞，搜狗语音输入法：免费，错误率在50%左右
VoiceNotes或AI其他语音笔记，为什么多数还是用性能第二梯队的Whisper？
现在搞清楚了，VoiceNotes用的还是whisper，没有升级到4o-transcribe，CleverType用的是4o-transcribe
VoiceNotes不升级模型的原因是，whisper便宜，23年的whisper的openai官网价格与25年的4o-transcribe一样，都是¥2.7/h，但whisper是开源模型，很多第三方云服务商（例如fireworks，groq，fal.ai）也在卖，价格只有openai的1/10，即¥0.24/h，
VoiceNotes如果换模型，成本要提高10倍，哪怕换到4o-mini-transcribe，都要提升2倍。识别率提升则肯定提升不了10倍，能提升10%都不错
这意味着VoiceNotes的收费模式要只能选择：Ⓐ大幅涨价，Ⓑ提供whisper和4o两档价格，Ⓒ取消不限量政策
4o虽然识别率比whisper好一点，但有限，完全不值10倍的差价
这也是为什么openai不open的原因，做一次大善人，弄出个开源whisper，第三方云服务上拿去运行，卖价格只有官网1/10，自己跟自己抢生意
甚至新一代语音识别模型4o-transcribe出来，都竞争不过便宜的老whisper 模型
CleverType语音输入法，为什么用4o-transcribe？
因为他是输入法，人一天手机上打字，打不了多少字，我搜狗后台统计，电脑上一天平均才能打3600字，手机上算7折，能打2400字，也就相当于15分钟语音，4o-transcribe成本$0.09，CleverType收每月$6=每天$0.2，还有一半毛利
注意CleverType只有安卓版是完全版，ios版因为的ios的权限限制，是阉割版功能行，CleverType也没有win或mac版
ios可以用wisprflow试试，但wisprflow用的什么模型我不确定，很可能是whisper模型
区分某个语音服务app是使用4o-transcribe还是whisper的方法
①看官方的介绍，一搬用4o的肯定会吹一下，因为4o的成本是Whisper的10倍，性能更强，模型更新，没有理由多花了10倍成本，不拿出来显摆一下。反之，如果只宣传OpenAI模型，但不宣传是4o的，大概率是Whisper
②看是否支持说话人识别功能，4o和2.5pro是没有说话人识别的，只有whisper等纯听写模型才有
③看是否有时会有幻觉，例如Whisper，如果你不说话，他经常生成"明镜与点点"等幻觉，看到这句话就是whisper没跑，4o-transcribe貌似没有这个现象
近期我发的其他文章可以参考
语音模型1：🔥【原创长文】深度分析AI语音输入法CleverType，如何降维打击讯飞搜狗语音，成为你的效率利器【长期更新】
深度研究5：分享个提升Gemini/ChatGPT Deep research最大输出，以及查看ChatGPT Deep research剩余次数的方法
深度研究4：🔥【原创长文】O3 Deep research vs 2.5-pro Deep research
深度研究3：🔥【原创长文】让AI为你写有声书：基于Deep research+音频朗读的学习方法
大模型11：🔥【大模型系列11】关于Grok4，你想知道的一切。250716更新：LMArena评分，网页版支持语音，加入类似3d waifu
大模型10：🔥【原创长文】关于O3-pro，你想知道的一切，更新LiveBench评分【长期更新】
大模型9：🔥【原创长文】关于Deepseek R1-0528，你想知道的一切【250530更新LiveBench评分】
大模型8：🔥【原创长文】关于Claude4，你想知道的一切，250529更新Lmarena前端编程评分【长期更新】
大模型7：🔥【原创长文】关于Gemini 2.5 Flash，你想知道的一切。2.5-flash-0520Lmarena和长上下文评分【250525更新见底楼】
大模型6：🔥【原创长文】关于GPT-O3，O4-mini和4.1，你想知道的一切：250425：Lmarena评分出来了【长期更新】
大模型5：【原创长文】关于Gemini 2.5 Pro，你想知道的一切。2.5-pro-0605 Aider编程分数超过o3【更新见底楼】
其他：🔥【原创长文】顶级会员科普：ChatGPT Pro vs Gemini Ultra vs Claude Max vs SuperGrok Heavy
其他：🔥【原创长文】全网最全，中美AI相关社区汇总【长期更新】
其他：【原创长文】不要被官方参数骗了，各大模型实际长文输出能力测试研究【长期更新】
其他：【原创长文】Gemini-2.5-flash做沉浸式翻译的研究
其他：❓【ChatGPT】Sora画图 vs 4o画图，有什么区别，你知道吗？
其他：🔥【原创长文】关于免费和包月限量，你想知道的一切：ChatGPT Deep research限量翻倍【250518底楼更新】
其他：AI梗图大全，总有一张让你大笑☺，250410更新Llama梗图在底部【长期更新】
其他：《Deepseek时刻》原创长文，深度分析Deepseek这几天在全球到底发生了什么（1月28日17点40更新）
