视频转文字到底准不准
四步自己测

为什么"准确率 98%"这个数字不可信

不是厂商说谎，而是测的东西不一样。宣传里的准确率通常跑在新闻播报这类音频上：单人、标准普通话、无专业术语、语速平稳。而你真正要转的是网课、访谈、会议录音——多人说话、有口音、满篇术语。同一套模型，换一种素材，错的地方完全不同。

更实际的一点：错一个词，整份稿子的可用性就变了。因为你会不敢直接引用，每处都要回听核对。所以真正要衡量的不是"百分比"，而是"我要花多少时间把它改到能用"。

四步测法（可复现）

1. 选料——从你要处理的内容里挑一段术语最密的，两到三分钟即可。别挑开场白，那最难分辨工具差异。
2. 双跑——同一段音频，让候选的两个工具各转一遍。素材相同，比较才有意义。
3. 数错——只数专业词、人名、数字错了几处。标点和语气词不用管，它们不影响你用。
4. 换算——错误数 × 每处核对所需时间（回听、定位、改字，通常一处一两分钟）= 你的真实校对成本。

第三步最关键，也最容易被跳过。很多人比较工具时只看"读起来顺不顺"，但真正让你返工的是那几个你一眼看不出错的术语——它们混在通顺的句子里，最危险。

测完之后，看两点

一是错误能不能被快速定位。如果每句话都带时间戳，点一下就能跳回原声那一秒，核对一处只要十几秒；如果没有时间戳，你就得在整段音频里拖进度条找。

二是改过的错会不会再犯。任何转写都会出错，差别在于纠错之后能不能沉淀下来。把常错的术语纠正一次、让它记住，下次转同行业的课就不会在同一个词上再错——这比单次准确率更能降低长期成本。

说明：以上测法是我们自己比较工具时用的方法，不针对任何具体产品下结论。每月免费额度够你把四步跑两三轮，建议用自己真实的素材测。