音频转文本模型推荐

[carlself]

目前使用 whisper-large-v3-turbo ，英文音频效果不错，但是中文识别准确率很差，几乎每个句子都有错。请问有什么更好的模型推荐？

[jackOff]

同求，如果中文每个字的时间轴识别能精准不偏移就完美了

[Muniesa]

Qwen3-ASR-1.7B 很多方言口音也能识别

[snow0]

项目中用的 qwen-audio-3.0-asr-flash-filetrans ，可以试试

[Liu6]

我在前公司部署的是中文采用 funasr ， 英文 whisperx

[zlowly]

Fun-ASR-Nano 挺不错，以前的 funasr 是非自回归模型，中文同音字之类的很容易出错，后来换了用 LLM 解码器，中文质量肉眼可见的提升，

[simbaCheng]

Qwen 吧，前些时间用通义听悟，给盗墓笔记和百家讲坛 mp3 制作 lrc 歌词，识别的效果还不错，有错误的但能接受。