语音转写软件

普通话通用场景识别准确率≥95%已是主流水平，选购时应重点看专业领域/口音/多人会议等复杂场景的实测准确率，官方宣称的98%通常是标准朗读环境数据

实时字幕/会议同传场景需选择延迟≤500ms且支持流式识别的产品；离线批量转写则应优先准确率而非实时性，两者引擎优化方向不同

实时性与准确率存在矛盾：流式实时识别边说边出字会牺牲上下文修正能力，导致准确率低于同引擎的离线转写；对准确率要求高的正式文档建议录音后离线转写

专业词汇识别关键看是否支持自定义热词/词库导入，能上传专属术语表的产品在垂直领域准确率远高于仅靠通用模型的产品

云端转写准确率通常高于本地离线转写，但涉及商业机密/隐私内容（如内部会议、患者信息）应选支持本地离线处理或私有化部署的产品，牺牲部分准确率换取数据安全

需要视频字幕制作的用户不建议选只能导出纯文本TXT的软件，应确认支持SRT/VTT/ASS等带时间轴的字幕格式导出

需要区分发言人（说话人分离/diarization）的会议纪要场景，应确认软件支持自动标注speaker且可后期手动纠正，多数低价工具此功能缺失或准确率低

转写效率受原始音频质量影响极大：远场收音、背景噪音、多人抢话会显著降低准确率，选购高端会议转写方案时应搭配定向麦克风/降噪硬件而非单纯依赖软件算法

免费额度充足的产品往往在导出格式和高级功能上设限（如免费版不能导出带时间戳的SRT字幕、不能导出Word），选购前确认免费额度是否覆盖真实需要的功能而非仅仅时长

长音频（>1小时）批量转写场景，注意区分计费方式：按音频时长计费 vs 按转写字数计费，长会议选按时长包更划算，短碎片语音选按次/字数更省

多语种/中英混合内容不建议选仅优化单一中文的产品，需确认支持code-switching（句内中英夹杂识别），否则英文术语会被误识别为谐音中文

重度依赖多端同步（电脑录、手机看）的用户不建议选纯本地工具或无云账户体系的产品，同步延迟和格式丢失会破坏工作流