2018年語音識別引擎測評
大家好，現在已經到了2018年的年底了，作為一個語音識別行業內的工作者，我想寫一篇文字，來給大家演示一下，目前市面上各大"語音識別"引擎的實際識別效果，作為選擇參考。
一、識別引擎
1、捷通華聲（支持中文、英文、粵語）
2、雲知聲（支持中文）
3、百度（支持中文、英文、粵語）
4、科大訊飛（支持中文、英文、粵語、等十四種方言以上）
5、阿里雲（支持中文）
6、有道雲（支持中文以及英語）
二、測試項目
聲音內容涉及：時間、地區、常用語、人名、金額、新聞稿內容
1.近距離錄音測試（首先我們會準備一段對著手機以及錄音筆說話的清晰錄音，測試以上6款識別引擎識別的效果）
2.遠距離錄音測試（我們會準備二段錄音，分別距離為1米和3米，採用錄音筆以及手機進行錄音，並測試聲音識別情況，對比各家識別引擎的錯誤率）
3.新聞稿發音人聲音測試（採用標準發音，慢速測試每個識別引擎的識別情況，對比正確率）
三、測試參數
為了保證測試的公平性，所有測試錄音，統一轉換為
採樣率 ：16000
編碼：16bit 位深的單聲道。
手機：Galaxys9+
錄音筆：新科V-19
語音識別軟體：錄音啦
錄音環境：室內會議室（無雜音）
語言類型：中文普通話
測試錄音文件下載：
https://www.luyinla.com/%E6%B5%8B%E8%AF%95%E5%BD%95%E9%9F%B3.zip
語音識別軟體下載：
https://www.luyinla.com/%E5%BD%95%E9%9F%B3%E5%95%A6V5.4%E9%80%9A%E7%94%A8%E7%89%88.zip
四、測試過程
一、手機錄音」近距離[演講稿]：
北京時間11月12日，2018-2019賽季短道速滑世界盃第二站在美國鹽湖城繼續進行，在男子500米比賽中武大靖以39秒505的成績奪冠，並打破自己在平昌冬奧會上創造的39秒584的世界紀錄。繼上周兩次登頂後，武大靖在500米項目上實現三連冠，成為該項目上當之無愧的霸主。
二、「手機錄音」識別引擎近距離[演講稿]識別結果
三、「手機錄音」1米遠距離錄音原文：
關於王總的商業報告書我看了，大家打開第九頁，文章中提到了「語音識別」行業的發展趨勢正在迅速發展，我希望大家能夠牢牢把握機會，爭取在2018年的年底，把11月份，12月份的資料。詳細的數據整理出來
四、「手機錄音」識別引擎1米遠錄音識別結果
五、「手機錄音」3米遠距離錄音原文：
2003年12月24日開工建設，2008年3月完工，總造價22.67億元。作為國家標誌性建築，2008年奧運會主體育場，國家體育場結構特點十分顯著。體育場為特級體育建築，大型體育場館。主體結構設計使用年限100年，耐火等級為一級，抗震設防烈度8度，地下工程防水等級1級。
六、「手機錄音」識別引擎3米遠錄音識別結果
七、錄音筆」近距離原文：
今天是2018年11月12日，我們在廣東省廣州市番禺區市橋街，小明將給大家介紹一下周杰倫演唱的歌曲，如「黑色毛衣」「七里香」等歌曲，都充滿了年輕人的回憶。
八、錄音筆」近距離識別結果：
九、錄音筆」3米距離[演講稿]：
2003年12月24日開工建設，2008年3月完工，總造價22.67億元。作為國家標誌性建築，2008年奧運會主體育場，國家體育場結構特點十分顯著。體育場為特級體育建築，大型體育場館。主體結構設計使用年限100年，耐火等級為一級，抗震設防烈度8度，地下工程防水等級1級。
十、錄音筆」3米距離識別結果：
十一、得出對比圖以及結論
評分規則：
1.最佳得：3分
2.推薦得：2分
3.效果不理想得：1 分
總結：
1.在近距離的"手機"和"錄音筆"錄音中，各大識別引擎識別出來的文字效果都不錯，會存在部分錯別字，對於數字類的識別，推薦選用「雲知聲」，文字顯示的比較直觀，對於人名，歌曲名，捷通華聲、雲知聲、科大訊飛、阿里雲、有道雲的識別效果都非常不錯
2.錄音距離超過或者等於3米的，首選「雲知聲」識別引擎，丟字率比較低，識別的完整性較高
3.對比「手機」和「錄音筆」由於手機屬於近距離錄音設備，在對比三米錄音距離下，除了「雲知聲」其他的識別引擎文字丟失率比較嚴重。
4.對於近距離的錄音，每個識別引擎出來的文字相差不大
感謝您的閱讀，如果有什麼疑問或建議，歡迎在評論區評論……
推薦閱讀：
