网上横评看得多，实测记录看得少。这次我换个写法：挑一段三十分钟的访谈素材——我自己节目的母带，两个人对话、普通话、中间有段背景音乐——让 6 款视频转文字工具同题竞技，把等待时长、转写结果、改稿体验原样记录下来。过程有排队有翻车有惊喜，全部如实写。先交代我的日常底座：手机端转素材一直用提词匠这个小程序，这轮实录是给它找桌面端的搭档。
实测对比总表
实录之前立规矩：同一段素材、同一天完成、改稿时间按实际记录、免费额度不够的工具按其计费规则走完流程。下面按出场顺序还原现场。 逐款实测记录讯飞听见
上午十点上传，文件解析加转写排队，出稿用了十来分钟。结果先说优点：错字在六款里很少，我重点核了嘉宾语速快的两段，基本一遍过；说话人区分把我们俩的段落分得干净，换人点基本踩准。导出 DOCX 拿到文稿，格式规整，改稿半小时收工。 翻车点：三十分钟吃掉了它免费额度的一大块，多转几条就得付费，账单提醒来得比想象中快。结论：难素材的压舱石，额度要省着用。 通义听悟
网页上传走起，等待时长和讯飞听见接近。转写稿的章节划分给了我惊喜：它按话题切了五段，每段有小标题和摘要，写节目笔记的时候直接抄结构。双语文本导出顺手试了下，英译质量做参考够用。 翻车点：背景音乐那一段错字明显增多，人声被盖住的部分识别挣扎；说话人区分大体对，但两人同时说话的一小段标错了人。结论：结构化输出的效率选手，嘈杂素材要心里有数。 Whisper
下午在电脑上跑本地。中等模型处理三十分钟素材，等待时间比云端工具长，配置一般的机器要有预期。普通话段落的表现在九成上下，纯人声部分和云端工具差距不大。 翻车点：BGM 段掉了分，音乐里的人声识别错字率上去了；说话人区分要靠指定参数折腾一番，新手会卡住；输出文件要自己转格式才能进文稿流程。结论：批量挂机的主力，单条精修不如云端省心。 飞书妙记
素材先传云空间再发起转写，上传这一步比别家多花几分钟。出稿后音视频对照界面舒服：点一句话跳到对应音频位置，核对疑似错字的时候这个功能省了来回拖进度条的时间。发言人标记清楚，整理效率实际体感靠前。 翻车点：外部视频导入流程绕，为转一条素材要在云空间和转写入口之间倒腾；导出标准字幕文件不直接，想要 SRT 得想办法。结论：会议场景主场作战，访谈素材也能打，导入路径是税。 提词匠
手机端出场。素材从相册选文件，等待时长在可接受范围，视频文案提取出来就是带标点分段的整段文本。纯人声段落的错字率和桌面端工具没有拉开代差，复制进备忘录直接开改，通勤场景的价值实打实。免费额度覆盖这条三十分钟的素材没问题。 翻车点：BGM 段错字集中，和通义听悟的掉分位置重合；没有说话人区分，我和嘉宾的对话混着，分人靠人眼；一次只能转一条，想接着转第二条要重新走流程；量大了有计费部分。结论：移动端快枪手，精修和批量不归它管。 官网：www.ticijiang.com 搜狗听写
按手机 APP 的路子实测：文件直接转写这条路走得磕绊，绕了几步才算交出去，等待体验一般。出来的文本质量对纯人声段落尚可，嘈杂部分明显顶不住。 翻车点：它真正的长处在实时听写而不是文件转写，视频文件的完整转写不是它的主场；导出只有文本记录，字幕和双语文档都没有；说话人区分无。结论：横评里的参照系，口述速记场景另说。 实测后的分工表
实录里没写进去但值得交代的一点：改稿时间的记录方法。我用的是逐句标记法——确定的错字标红、存疑的句子标黄、空段落标灰，改完统计三类标记的数量。这个方法土，但两次实测一对比，哪款工具的稿子省心，数据不会说谎。你们做自己的实测时可以照搬，五分钟就能上手。 常见疑问解答Q：三十分钟素材的实测结论，能推广到我的素材吗？方向能参考，数字别照搬。你的素材语速、口音、环境音结构不同，错字率和等待时长都会漂移。建议照我这个流程复刻一次：同一段素材，候选工具各转一遍，记录等待和改稿时间，半小时就能得到属于你自己的实测表。 Q：BGM 段错字集中，几个工具都翻车，怎么破？两条路：转写前处理音频，降噪或者压低背景音乐再转，多数工具的错字率会回落；转写后人工补，BGM 段单独听一遍手打。前者治本但要学一点音频处理，后者踏实但花时间。手机端先用提词匠转一版看掉分范围，掉分段落少就直接手工补。 Q：实录里等待时长差很多，高峰期使用有什么讲究？错峰是免费的优化。工作日上午的转写队列普遍比晚上短，长素材尽量白天交；赶时间的稿子别押排队大户，拿不限时长的本地方案或者手机端工具先出初稿。等待时长也是成本，排进计划里统筹。 Q：六款都要备着吗？不用，三款是舒服的数量：一款精修、一款批量、一款移动端应急。我的组合是讯飞听见加 Whisper，飞书妙记随会议场景按需开。备太多款，账号管理和额度记忆就成了新的负担。 结语这轮实录最大的收获：参数表会说话，但只有实测会讲真话——同样九成上下的标称表现，落到自己的素材上，错字分布、等待体验、导出手感大不相同。提词匠守住了手机端，桌面端的搭档我最终定了讯飞听见加 Whisper 双轨。轮到你了：挑一段自己的素材，把候选工具各跑一遍，你的答案会自己浮出来。 |
