Unverified50% confidenceTradeoffExact time
非自回归语音模型通常比自回归模型快10-100倍，但表现力受限于预测器准确性
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Unverified在复杂声学环境下，即使顶尖模型的WER也可能飙升至20-40%69% similarUnverified效率型模型以远低于旗舰模型的推理成本（通常低5-10倍）提供接近旗舰模型80-90%的能力表现68% similarUnverified非自回归模型（如FastSpeech系列、VITS）并行生成所有帧，通常比自回归模型快10-100倍但表现力受限67% similarUnverified识别准确率的官方标称值(如98%)基于清晰单人录音的字准率，实际带口音、远场、多人交叉的会议场景准确率会下降10~20个百分点，选型应看目标场景的实测而非标称值67% similarUnverified研究表明即便是同一模型，不同提示设计之间的性能差距可以超过10个百分点66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/688896API
curl https://kongchang.com/api/v1/knowledge/claims/688896MCP
get_claim(id=688896)