会议录音怎么选 ASR?真实录音测试

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：

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：

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：

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。