资讯AI 辅助草稿

动态Whisper Large v3 的 WER 停在 19.11%,实时转写仍是短板

本站 · 发布于 2026-11-18 03:02

Whisper Large v3 的 WER 停在 19.11%,实时转写仍是短板

OpenAI 在首届开发者大会上发布了 Whisper Large v3,主打多语言自动语音识别。此后它成了开源 ASR 领域被引用最多的基线模型之一,但围绕它的两组数字,正在被后来者反复拿出来对照:一组是准确率,一组是速度。

19.11% 与 32.27%

Qwen3-ASR 的一篇技术解读里给出了一组横向对比:Whisper-large-v3 的词错误率(WER)为 19.11%,同一评测条件下 GPT-4o-Transcribe 是 32.27%。换算过来,前者大约每五个词错一个。这个水平放在多语言、多口音、带背景噪声的真实录音里不算难看,但也远没到可以直接交付的程度,后处理仍然要做。

评测口径本身也在变。HuggingFace 上的 Open ASR Leaderboard 采用多个数据集分别打分,而不是单一平均值,新模型提交后榜单排名会持续变动。这意味着任何一句“某模型超过 Whisper”的说法,都得先问清楚是在哪个数据集、哪种音频条件下得出的。

跑一次 11 秒

速度是 Whisper Large v3 更明确的短板。有测试指出,该模型完成一次转写要 11 秒以上,实时转写基本不用考虑。原因在推理方式:它按固定窗口处理音频,输入多长都走同一套计算流程。

Moonshine 走的是另一条路,动态输入长度,说多少处理多少,不浪费算力。这类设计对会议记录、通话转写这类流式场景是刚需,而 Whisper Large v3 的定位本来就更偏离线批处理。选型时把这两类需求混在一起谈,容易得出错误结论。

对手从榜单上来了

Cohere 开源了 ASR 模型 Transcribe,20 亿参数,登顶 HuggingFace 榜单。这个参数量比 Whisper Large v3 小一个量级,却在公开评测上拿到了更好的位置。同一时期,ElevenLabs Scribe v2 等闭源模型也在 Open ASR Leaderboard 上占位。

竞争带来的直接变化是,Whisper Large v3 从“默认选择”变成了“参照物”。过去两年里,几乎所有开源语音项目在发版说明中都会写一句与它的对比,现在这句话的参照方向反了过来。

对做语音产品的团队而言,问题已经不是要不要用 Whisper Large v3,而是把它放在流水线的哪一段:离线高精度转写仍然划算,实时链路则要另找方案。

来源

  1. [OpenAI大动作:Whisper large-v3重塑语音识别技术](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgSxTSeI6shcwqfEaai76n_hJMW31KZQ9l6VqXa8Fplpd98OH6dMfeSVth2PDN913Tv8DycnR1oeDdiwREeOfbhxHzTUoWI_rV5pkKAr6YB9ukgRQ0JRt3OcMH4w1rElfYTB1J3VTzuZSUFVtB-2meoohUsEalgM9-n1hB2OSNV4ABXvOD4kCerpDGhDpAxBfv40EsGYWONBlSwzbX027fW3_RtmyIGw2VAg..&type=2&query=Whisper Large v3 %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=949593125290AEFC8583E601BCECE7CD8623A2F86AFD14FB)
  2. [Cohere开源ASR新模型Transcribe:20亿参数登顶 HuggingFace 榜单,Whisper 迎来强劲对手!](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgSxTSeI6shcwqfEaai76n_hJMW31KZQ9l6VqXa8Fplpd97uk27fIR_ljE88AVTw4vXPV_mDJlismkNCK6byDGVYXtJofjsd9FME6rZrN2nH7x3a4lcxeFfbfFHrjdTpaB0XrPuRS8xj02Q7iqCtV0Bwn-5MXPP4e2QzXk8qMbjW-QiK-HBqLAOjMFyLxAzCzA8w54XL_a8WeOLxJFVC1XVHOAFV_3u-a3OQ..&type=2&query=Whisper Large v3 %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=949593125290AEFC8583E601BCECE7CD8623A2F86AFD14FB)
  3. [会议录音转文字又贵又慢?这个开源语音识别比 Whisper 还准,关键完全免费](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgSxTSeI6shcwqfEaai76n_hJMW31KZQ9l6VqXa8Fplpd9Nrm0BxHaC4XSg7b3zvIlYwr29HLCHtxt46uCjqLCFjdm0wUplDDMY_3UVYDJc3e-EBkZDZijvNKWSZkrg3iA034engUjNRmR-KlkfppN7ZKckVNctDDlEb-3G8yL2VQs3q6su3sMSSb9DjpAlUklAmiZVR5gdQ39z647BQtaSWvzAjcIGepUqA..&type=2&query=Whisper Large v3 %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=949593125290AEFC8583E601BCECE7CD8623A2F86AFD14FB)
  4. [Qwen3-ASR深度解读:AuT编码器 + GSPO强化学习,开源ASR新标杆](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgSxTSeI6shcwqfEaai76n_hJMW31KZQ9l6VqXa8Fplpd9hMvpznYvFy4GXZFhPSZjV1z4V-KVHknM4aUo7bGTwcesYNkFmoN2GsUYstfW7z-idpticdFE6Q51ZRfZHC2so9Zr2wpZPxAvUqKMig1ZkeXKBG-7hdjVdWaXcmBNP3OY-6dFcsoiqeJV2OuAeiKNyaZVFJLOzS0fGYqlzHF6jA3Yl_Q5RRZQjg..&type=2&query=Whisper Large v3 %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=949593125290AEFC8583E601BCECE7CD8623A2F86AFD14FB)
  5. [Google发布Lyria 3 Pro音乐生成模型,专业级创作能力向公众开放](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgSxTSeI6shcwqfEaai76n_hJMW31KZQ9l6VqXa8Fplpd9b8FxXyqDzRATFb-OECGjA0SXVYq53NXDHZeZxORTtVCy6eloxMtOtSO1NoRbNOLP0tdcSf7g5rp2ltzysErdklaeXTRiIvNhhkFE7n8F8pUbsHxMimYt9CvFoxKZMPnxxdqkVtO5SG8B2mq7meqWwnHEn9gLT1sSrFqTI8tV8I1j3x9Nw6p-Fg..&type=2&query=Whisper Large v3 %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=949593125290AEFC8583E601BCECE7CD8623A2F86AFD14FB)