Whisper AI chính xác đến đâu? WER, giới hạn thực tế và mẹo (2026)

Bởi Ban biên tập whispertranscribe.ai · Cập nhật lần cuối: tháng 11 năm 2026 · 13 phút đọc · Danh mục: Độ chính xác phiên âm

Whisper chính xác đến đâu? Với tiếng Anh được đọc rõ, bài nghiên cứu của OpenAI báo cáo tỷ lệ lỗi từ (WER) 2.5% cho Whisper large-v2, tức khoảng 97 đến 98 từ trong 100 từ là đúng. Âm thanh khó hơn có kết quả kém hơn: 13.6% với cuộc gọi điện thoại, 24.9% tại bữa tiệc ồn ào và 39.9% trong cuộc họp được ghi bằng một micrô đặt xa.

Whisper là mô hình nhận dạng giọng nói mã nguồn mở của OpenAI và là nền tảng của nhiều ứng dụng phiên âm, bao gồm ứng dụng của chúng tôi. Hướng dẫn này chỉ nói về độ chính xác: WER đo gì, các điểm chuẩn cho biết gì theo loại âm thanh và ngôn ngữ, Whisper mắc lỗi ở đâu và cách tự kiểm tra. Để tìm hiểu nền tảng của mô hình, xem bài giải thích Whisper AI là gì.

Phần lớn số liệu lấy từ bài nghiên cứu Whisper (Radford và cộng sự, 2022), kiểm tra mọi mô hình theo cách “zero-shot”, không tinh chỉnh trên các bộ kiểm tra. Thẻ mô hình large-v3 mới hơn báo cáo ít lỗi hơn large-v2 từ 10% đến 20% trên nhiều ngôn ngữ, nhưng không có bảng đầy đủ theo từng bộ dữ liệu. whispertranscribe.ai xuất bản bài này. Chúng tôi không thực hiện kiểm định cho bài viết và không số liệu nào ở đây là kết quả thử nghiệm của chúng tôi.

Tổng quan độ chính xác Whisper

Không bộ kiểm tra đơn lẻ nào trả lời được câu hỏi, vì âm thanh ảnh hưởng đến con số nhiều nhất. Bảng cho thấy kết quả large-v2 của OpenAI với beam search và temperature fallback (Bảng 9 phần phụ lục), được chấm sau khi dùng bộ chuẩn hóa văn bản của OpenAI.

Loại âm thanh Bộ kiểm tra trong bài nghiên cứu WER Whisper large-v2 Tỷ lệ từ đúng ước tính
Sách nói, người đọc rõ LibriSpeech test-clean 2.5% Khoảng 97.5 trên 100
Đọc bản tin WSJ 2.6% Khoảng 97.4 trên 100
Bài nói TED TED-LIUM 3 3.7% Khoảng 96 trên 100
Sách nói, người nói khó nghe hơn LibriSpeech test-other 4.9% Khoảng 95 trên 100
Tình nguyện viên dùng micrô tại nhà Common Voice 5.1 8.2% Khoảng 92 trên 100
Hội thoại điện thoại Switchboard 13.6% Khoảng 86 trên 100
Phỏng vấn ngôn ngữ xã hội dài CORAAL 14.2% Khoảng 86 trên 100
Cuộc gọi giữa gia đình và bạn bè CallHome 16.4% Khoảng 84 trên 100
Họp, mỗi người dùng micrô tai nghe AMI IHM 17.4% Khoảng 83 trên 100
Tiệc tối, micrô đặt xa CHiME-6 24.9% Khoảng 75 trên 100
Họp, một micrô đặt xa trên bàn AMI SDM1 39.9% Khoảng 60 trên 100

“Tỷ lệ từ đúng” là 100 trừ WER, một cách ước tính vì WER cũng tính từ được thêm vào.

Bạn thường thấy con số 2.7%: đó là cùng mô hình với giải mã greedy đơn giản hơn (Bảng 2 của bài nghiên cứu). Cũng lưu ý hai hàng AMI là cùng cuộc họp được ghi theo hai cách. Chuyển micrô từ tai nghe của mỗi người vào giữa bàn làm tỷ lệ lỗi tăng hơn gấp đôi.

Tỷ lệ lỗi từ (WER) là gì và được tính thế nào?

WER là tỷ lệ từ trong bản phiên âm sai so với bản tham chiếu đã được người kiểm tra. Đếm ba loại lỗi rồi chia cho số từ trong bản tham chiếu:

WER = (số từ thay thế + bỏ sót + thêm vào) ÷ số từ trong bản tham chiếu

  • Thay thế: dùng sai từ thay cho từ đúng (“lunch” thay cho “launch”).
  • Bỏ sót: một từ được nói nhưng không có trong bản phiên âm.
  • Thêm vào: một từ trong bản phiên âm mà không ai nói.

Dưới đây là ví dụ tự tạo, được chấm bằng thư viện mã nguồn mở jiwer. Ví dụ tiếng Anh có nghĩa: “chúng tôi dời ngày ra mắt sản phẩm sang ngày 9 tháng 3 vì nhà cung cấp lỡ hai hạn và bác sĩ Patel muốn một kế hoạch thử nghiệm mới”. Bản phiên âm nhầm “ra mắt” thành “bữa trưa”, Patel thành Battle, bỏ một từ và thêm “hôm nay”:

Dòng Văn bản
Tham chiếu (22 từ) we moved the product launch to march ninth because the vendor missed two deadlines and doctor patel wants a new test plan
Bản phiên âm we moved the product lunch to march ninth because vendor missed two deadlines and doctor battle wants a new test plan today
Lỗi 2 từ thay thế (lunch, battle), 1 từ bỏ sót (the), 1 từ thêm vào (today)
WER 4 ÷ 22 = 18.2%

Ba điều về WER dễ gây nhầm:

  1. Có thể vượt 100%. Số từ thêm vào không có giới hạn, và một vài ngôn ngữ ít tài nguyên trong kết quả Fleurs của bài nghiên cứu vượt 100%.
  2. Chuẩn hóa thay đổi điểm. “Dr.” so với “doctor” bị tính là lỗi trừ khi cả hai văn bản được làm sạch giống nhau. OpenAI nói bộ chuẩn hóa giảm WER tới 50% trên một số bộ dữ liệu, chủ yếu bằng cách loại bỏ khác biệt định dạng.
  3. Một số ngôn ngữ dùng tỷ lệ lỗi ký tự (CER). Với tiếng Trung, Nhật, Thái, Lào và Myanmar, vốn không tách từ bằng dấu cách, bài nghiên cứu chấm theo ký tự.

Tuyên bố độ chính xác không nêu bộ kiểm tra và phương pháp chấm không phải phép đo, bất kể ai đưa ra, kể cả chúng tôi.

Whisper chính xác đến đâu với tiếng Anh?

Whisper rất chính xác với tiếng Anh rõ và vẫn hữu dụng với tiếng Anh khó nghe. Trong bài nghiên cứu, nó ít lỗi hơn 55.2% trên 12 bộ dữ liệu tiếng Anh khác so với mô hình wav2vec 2.0 có giám sát với điểm LibriSpeech gần như tương đương.

Bản ghi dài

Whisper đọc âm thanh theo cửa sổ 30 giây, nên bài nghiên cứu kiểm tra riêng tệp dài (Bảng 16 phụ lục, large-v2):

Bộ kiểm tra dài Nội dung WER
TED-LIUM 3 11 bài nói TED đầy đủ 3.5%
Meanwhile 64 đoạn truyền hình đêm khuya, nhiều từ lạ 5.1%
Kincaid46 46 bản ghi hỗn hợp từ phép so sánh năm 2018 8.8%
Earnings-21 Cuộc gọi công bố kết quả kinh doanh 9.7%
Rev16 16 tập podcast 11.3%
Earnings-22 Các cuộc gọi công bố kết quả khác, nhiều giọng 12.6%
CORAAL 231 cuộc phỏng vấn đầy đủ bằng tiếng Anh của người Mỹ gốc Phi 19.6%

Whisper so với người phiên âm

OpenAI cho bốn dịch vụ do người thực hiện và một dịch vụ có máy tính hỗ trợ phiên âm 25 bản ghi Kincaid46. Dịch vụ có máy tính hỗ trợ đạt điểm tốt hơn Whisper 1.15 điểm phần trăm, còn các dịch vụ hoàn toàn do người thực hiện chỉ tốt hơn một phần nhỏ của một điểm. Kết luận của bài nghiên cứu: không hoàn hảo nhưng rất gần độ chính xác ở mức con người.

Kích thước mô hình quan trọng

Whisper có nhiều kích thước và ứng dụng không phải lúc nào cũng cho biết đang dùng loại nào (Bảng 9 phụ lục):

Mô hình Tham số LibriSpeech clean Common Voice 5.1 Switchboard CHiME-6
tiny 39M 6.7% 26.1% 18.3% 48.0%
base 74M 4.9% 19.4% 15.6% 40.0%
small 244M 3.3% 12.8% 13.3% 30.9%
medium 769M 2.7% 9.7% 13.2% 27.6%
large-v2 1550M 2.5% 8.2% 13.6% 24.9%

Chênh lệch tăng khi âm thanh khó hơn: khoảng 4 điểm với sách nói rõ, 23 điểm tại tiệc tối. Mô hình turbo mới hơn, một large-v3 tối ưu, chấp nhận mức giảm độ chính xác mà README GitHub của OpenAI gọi là tối thiểu để phiên âm nhanh hơn nhiều.

Whisper chính xác đến đâu với ngôn ngữ khác?

Ngoài tiếng Anh, độ chính xác chủ yếu phụ thuộc lượng âm thanh huấn luyện mà Whisper có trong ngôn ngữ đó. Bài nghiên cứu tìm thấy tương quan bình phương 0.83 giữa log số giờ huấn luyện và log WER, và ước tính WER giảm một nửa mỗi khi dữ liệu tăng 16 lần. Phần lớn trong 96 ngôn ngữ không phải tiếng Anh có dưới 1.000 giờ.

Một số kết quả Fleurs (câu được đọc, large-v2, Bảng 13 phụ lục):

Ngôn ngữ WER Fleurs Ghi chú
Tây Ban Nha 3.0% Thấp nhất trong bảng
Anh 4.2%
Bồ Đào Nha 4.3%
Đức 4.5%
Nhật 5.3% Tỷ lệ lỗi ký tự
Nga 5.6%
Pháp 8.3%
Hàn 14.3% Được đánh dấu ngoại lệ
Trung 14.7% Tỷ lệ lỗi ký tự
Ả Rập 16.0%
Hindi 21.5%
Do Thái 27.1% Được đánh dấu ngoại lệ
Swahili 39.3%
Telugu 99.0% Được đánh dấu ngoại lệ

Bài nghiên cứu đánh dấu tiếng Do Thái, Telugu, Trung và Hàn có kết quả kém hơn dự đoán từ dữ liệu huấn luyện, có thể do khoảng cách ngôn ngữ, tokenizer không phù hợp với hệ chữ hoặc chất lượng dữ liệu. Fleurs là lời đọc, nên hội thoại có thể có tỷ lệ lỗi cao hơn. README có biểu đồ mới hơn cho large-v3 và large-v2 trên Common Voice 15 và Fleurs.

Kết quả tiếng Tây Ban Nha đáng khích lệ nếu bạn phiên âm tiếng Tây Ban Nha thành văn bản. Với ngôn ngữ ít tài nguyên hơn, hãy thử đoạn ngắn trước khi thực hiện cả dự án.

Những yếu tố nào ảnh hưởng đến độ chính xác Whisper?

Điều kiện ghi âm quan trọng hơn mọi yếu tố khác. Bằng chứng từ bài nghiên cứu và thẻ mô hình:

Yếu tố Bằng chứng cho thấy Cách xử lý
Tiếng ồn nền Với tiếng ồn quán rượu dưới tỷ lệ tín hiệu trên nhiễu 10 dB, Whisper vượt cả 14 mô hình so sánh, nhưng mọi mô hình đều kém hơn khi tiếng ồn tăng Ghi trong phòng yên tĩnh, tránh quạt và nhạc
Khoảng cách micrô Cùng cuộc họp AMI: 17.4% với micrô tai nghe, 39.9% với một micrô trên bàn Đặt micrô gần người nói
Hội thoại và nói chồng Cuộc gọi và tiệc tối đạt 13.6% đến 24.9%, so với 2.5% ở lời đọc Mỗi lần một người nói; mỗi người một micrô
Giọng và phương ngữ Thẻ mô hình báo cáo độ chính xác không đồng đều; phỏng vấn CORAAL dài đạt 19.6% Thử với người có giọng giống bản ghi thực tế
Từ hiếm và thuật ngữ Kết quả tốt trên Meanwhile nhiều thuật ngữ (5.1%), nhưng tên và thuật ngữ vẫn thường sai Kiểm tra tên và thuật ngữ theo danh sách
Tài nguyên ngôn ngữ WER Fleurs từ 3.0% (Tây Ban Nha) đến 99.0% (Telugu) Tự chọn ngôn ngữ; dành thêm thời gian đọc soát cho ngôn ngữ ít tài nguyên
Kích thước mô hình tiny đạt 48.0% trên CHiME-6, large-v2 đạt 24.9% Hỏi công cụ dùng mô hình nào hoặc dùng mô hình lớn nhất có thể
Định dạng và tần số lấy mẫu Mã Whisper lấy mẫu lại mọi âm thanh thành 16 kHz mono WAV 48 kHz không có lợi hơn tệp 16 kHz sạch

Chuyển MP3 thành WAV lớn không khôi phục chi tiết đã mất. Bản ghi sạch với bitrate vừa phải tốt hơn bản ghi ồn có bitrate cao.

Các vấn đề đã biết của Whisper: ảo giác, lặp và dấu thời gian

OpenAI ghi nhận từng dạng lỗi này; chúng quan trọng hơn tỷ trọng WER thể hiện.

Văn bản ảo giác

Whisper có thể viết từ không ai nói. Thẻ mô hình cho biết dự đoán có thể chứa văn bản thực tế không được nói trong âm thanh, có lẽ vì mô hình cũng dự đoán các từ tiếp theo có khả năng xuất hiện. Phần hạn chế của bài nghiên cứu còn đề cập “ảo giác hoàn toàn”, tức đầu ra không liên quan đến âm thanh.

Một nghiên cứu độc lập, Careless Whisper (Koenecke và cộng sự, 2024), đưa 13.140 đoạn âm thanh qua API Whisper của OpenAI vào tháng 4 và 5 năm 2023. Khoảng 1% bản phiên âm (trung bình 1.4%) chứa cả cụm hoặc câu bịa ra, và 38% trong số đó có nội dung gây hại như bạo lực hoặc liên hệ sai. Người nói có khoảng ngừng dài hơn, ở đây là người mắc chứng mất ngôn ngữ, gây ra nhiều trường hợp hơn. API đã thay đổi từ đó, nên hãy coi đây là phép đo năm 2023.

Lặp lại và bỏ từ

Thẻ mô hình cho biết Whisper dễ tạo văn bản lặp; beam search và điều chỉnh temperature có giảm nhưng không hoàn toàn. Bài nghiên cứu cũng liệt kê việc bỏ từ đầu hoặc cuối đoạn. Các cách sửa giải mã giảm WER trung bình cho bản ghi dài từ 11.0% xuống 10.0%: tốt hơn nhưng chưa giải quyết triệt để.

Im lặng, nhạc và từ đệm

Văn bản bịa ra thường xuất hiện trong im lặng dài và âm nhạc. Bài nghiên cứu thấy tín hiệu “không có lời nói” riêng của Whisper không đủ đáng tin cậy; mã nguồn mở hiện có tùy chọn bỏ qua im lặng dài khi phát hiện khả năng ảo giác.

Lệch dấu thời gian và tệp dài

Whisper xử lý âm thanh dài từng cửa sổ 30 giây, dùng dấu thời gian dự đoán để đặt cửa sổ tiếp theo, nên bài nghiên cứu lưu ý lỗi ở cửa sổ này có thể ảnh hưởng cửa sổ sau. Dấu thời gian cấp từ được đánh dấu “thử nghiệm” trong mã. Với phụ đề, hãy kiểm tra thời gian quanh các khoảng ngừng.

Trong quá trình phát triển, OpenAI cũng thấy Whisper đoán tên người nói “hầu như luôn sai”. Các mô hình phát hành được tinh chỉnh để giảm hiện tượng này, nhưng vẫn cần kiểm tra mọi tên trong văn bản.

10 cách cải thiện độ chính xác phiên âm Whisper

Phần lớn cải thiện đến trước khi nhấn phiên âm. Sắp xếp tương đối từ tác động lớn đến nhỏ:

  1. Đặt micrô gần. Chỉ riêng khoảng cách đã làm tỷ lệ lỗi trong cuộc họp AMI tăng hơn gấp đôi.
  2. Giảm tiếng ồn tại nguồn. Đóng cửa sổ, tắt quạt, dừng nhạc.
  3. Tránh nói chồng. Mỗi lần một người nói hiệu quả hơn mọi cài đặt.
  4. Cắt im lặng dài và nhạc mở đầu, nơi văn bản bịa ra thường xuất hiện. Cắt tại khoảng ngừng, không giữa câu.
  5. Tự đặt ngôn ngữ. Whisper xác định đúng ngôn ngữ 80.3% số lần trên 82 ngôn ngữ Fleurs, nên tự động phát hiện có thể sai với đoạn ngắn hoặc có giọng địa phương.
  6. Dùng mô hình lớn nhất có thể, đặc biệt với bản ghi ồn.
  7. Cung cấp tên và thuật ngữ trong prompt nếu tự lưu trữ. Whisper mã nguồn mở nhận --initial_prompt với cách viết dự kiến.
  8. Tải tệp gốc. Ghi lại qua loa hoặc nén nhiều lần làm mất chi tiết.
  9. Kiểm tra thuật ngữ. Tìm từng tên, số, ngày và từ viết tắt rồi đối chiếu với âm thanh.
  10. Đọc soát hai lượt. Trước tiên sửa lỗi ở tốc độ bình thường. Sau đó tìm dấu hiệu ảo giác: dòng lặp, câu trong đoạn im lặng, câu kết như “Cảm ơn đã theo dõi”. Với tài liệu pháp lý, y tế hoặc xuất bản, hãy để người kiểm tra toàn bộ.

Cách đo độ chính xác Whisper trên âm thanh của bạn

Ước tính tốt nhất cho công việc của bạn là thử nghiệm 30 phút trên bản ghi của chính bạn. Các bước này dành cho bạn tự thực hiện; đây không phải thử nghiệm của whispertranscribe.ai.

  1. Chọn ba đoạn dài 2 phút giống công việc thực tế: một dễ, một điển hình, một khó.
  2. Tự viết bản tham chiếu, từng từ một. Đặt quy tắc trước: giữ hay bỏ “ừm”, viết số bằng chữ số hay bằng chữ.
  3. Phiên âm từng đoạn bằng công cụ đang thử và lưu văn bản thuần.
  4. Chuẩn hóa cả hai văn bản theo cùng cách. Bộ chuẩn hóa của OpenAI đi kèm openai-whisper.
  5. Tính WER bằng jiwer:
# pip install jiwer openai-whisper
import jiwer
from whisper.normalizers import EnglishTextNormalizer

norm = EnglishTextNormalizer()
ref = norm(open("reference.txt", encoding="utf-8").read())
hyp = norm(open("transcript.txt", encoding="utf-8").read())

out = jiwer.process_words(ref, hyp)
print(f"WER {out.wer:.1%}  S={out.substitutions} D={out.deletions} I={out.insertions}")
  1. Đếm riêng lỗi nghiêm trọng. Năm từ đệm sai và năm tên khách hàng sai cho cùng WER nhưng không phải vấn đề như nhau.
  2. Ghi kết quả để so sánh công cụ hoặc cài đặt:
Đoạn Điều kiện Số từ tham chiếu S D I WER Lỗi nghiêm trọng
Đoạn A Phòng yên tĩnh, một người nói 310
Đoạn B Cuộc gọi video, hai người nói 285
Đoạn C Quán cà phê, người nói có giọng địa phương 296

Số từ chỉ là ví dụ. Lưu ý ở bước 4: ví dụ trong bài gốc cho biết bộ chuẩn hóa tiếng Anh của OpenAI ghép “Dr.” với “doctor” và “two” với “2” nhưng vẫn tính “9th” so với “ninth” là lỗi. Whisper CLI chưa được cài trong môi trường kiểm tra hiện tại, vì vậy chúng tôi chưa chạy lại ví dụ này. Hãy đọc các khác biệt bị đánh dấu trước khi tin vào điểm.

whispertranscribe.ai chính xác đến đâu?

whispertranscribe.ai là công cụ phiên âm AI trên web dùng Whisper, hỗ trợ hơn 130 ngôn ngữ và tệp tối đa 5GB và 10 giờ. Độ chính xác đạt tới 99% với âm thanh rõ; tiếng ồn, giọng địa phương đậm và lời nói chồng làm giảm độ chính xác, như các điểm chuẩn ở trên cho thấy với chính Whisper. Chúng tôi không tuyên bố đạt bằng hoặc vượt số liệu trong bài nghiên cứu và chưa công bố kiểm định riêng, vì vậy hãy thử các đoạn của bạn theo các bước trên.

Bạn có thể bắt đầu miễn phí không cần tài khoản. Gói trả phí từ $9.99/tháng khi trả hằng năm; xem bảng giá.

Câu hỏi thường gặp

Whisper có chính xác 99% không?

Không phải nói chung. Kết quả công bố tốt nhất của Whisper là WER 2.5% trên LibriSpeech test-clean, bộ sách nói được đọc rõ, tương đương khoảng 97.5% từ đúng. Với cuộc gọi, cuộc họp và phòng ồn, số liệu của OpenAI dao động khoảng 13% đến 40% WER. Tuyên bố “99%” chỉ có ý nghĩa nếu nêu âm thanh được đo. Các công cụ xây dựng trên Whisper, kể cả whispertranscribe.ai, nên được đánh giá trên bản ghi của bạn, không phải tỷ lệ quảng cáo.

Mô hình Whisper nào chính xác nhất?

Các mô hình large chính xác nhất. Trong bài nghiên cứu OpenAI, large-v2 có tỷ lệ lỗi thấp nhất trên phần lớn bộ kiểm tra, còn thẻ large-v3 báo cáo ít lỗi hơn large-v2 từ 10% đến 20% trên nhiều ngôn ngữ. Turbo là large-v3 tối ưu mà OpenAI nói chỉ giảm một chút độ chính xác để đổi lấy tốc độ cao hơn nhiều. Mô hình nhỏ nhất tiny kém chính xác hơn đáng kể với âm thanh khó: WER 48.0% tại tiệc tối ồn so với 24.9% của large-v2.

Vì sao Whisper viết những từ không được nói?

Whisper có thể tạo ảo giác vì được huấn luyện để dự đoán văn bản có khả năng xuất hiện cũng như phiên âm âm thanh; thẻ mô hình OpenAI cảnh báo nó có thể tạo chữ không có trong âm thanh. Điều này thường xảy ra khi im lặng dài, có nhạc hoặc tiếng ồn. Nghiên cứu độc lập năm 2023 thấy cụm ảo giác trong khoảng 1% bản phiên âm và khoảng ngừng làm tăng khả năng xảy ra. Cắt im lặng, đặt ngôn ngữ và kiểm tra đoạn yên tĩnh giúp giảm rủi ro.

Whisper chính xác thế nào với giọng địa phương?

Whisper xử lý giọng địa phương tốt hơn nhiều hệ thống cũ nhưng không đồng đều. Thẻ mô hình OpenAI nói độ chính xác thay đổi theo giọng và phương ngữ của cùng ngôn ngữ. Trong bài nghiên cứu, phỏng vấn dài bằng tiếng Anh của người Mỹ gốc Phi (CORAAL) đạt WER 19.6%, so với 3.5% ở các bài nói TED đầy đủ, dù điều kiện ghi âm cũng khác. Cách đáng tin cậy là thử đoạn có người nói giống bản ghi thực tế và dành thêm thời gian kiểm tra khi giọng đậm.

Whisper có chính xác như người phiên âm không?

Với tiếng Anh, Whisper gần đạt nhưng chưa bằng dịch vụ tốt nhất. OpenAI so sánh với năm dịch vụ chuyên nghiệp trên 25 bản ghi. Dịch vụ có máy tính hỗ trợ có WER tổng hợp thấp hơn Whisper 1.15 điểm; bốn dịch vụ hoàn toàn do người thực hiện tốt hơn một phần nhỏ của một điểm. Con người vẫn thường xử lý tên, lời nói chồng và giọng khó nghe tốt hơn. Với nội dung được trích dẫn, nộp hoặc xuất bản, người cần đối chiếu bản phiên âm với bản ghi.

Whisper chính xác đến đâu với ngôn ngữ ngoài tiếng Anh?

Kết quả khác nhau nhiều theo ngôn ngữ. Trên Fleurs, large-v2 đạt WER 3.0% với tiếng Tây Ban Nha, 4.5% tiếng Đức và 8.3% tiếng Pháp, nhưng 27.1% với tiếng Do Thái và 99.0% với Telugu. Tiếng Trung và Nhật được chấm theo tỷ lệ lỗi ký tự: 14.7% và 5.3%. Bài nghiên cứu nhận thấy độ chính xác liên quan tới lượng âm thanh huấn luyện của từng ngôn ngữ. Với ngôn ngữ ít tài nguyên, hãy thử đoạn ngắn trước và dành thêm thời gian sửa.

Kiểm tra độ chính xác trên bản ghi của bạn

Các điểm chuẩn mô tả âm thanh của người khác. Tải một đoạn lên whispertranscribe.ai bằng một trong hơn 130 ngôn ngữ và chấm theo các bước trong hướng dẫn này. Bắt đầu miễn phí không cần tài khoản hoặc so sánh các gói.

Bài viết liên quan: Whisper AI là gì? · Phần mềm phiên âm miễn phí tốt nhất · Lựa chọn thay thế TurboScribe tốt nhất · Cách phiên âm video YouTube · Tệp SRT là gì? · Phụ đề cứng và phụ đề mềm

Tài liệu tham khảo

Bạn muốn chuyển bản ghi của mình thành văn bản?

Chuyển lời nói trong tệp âm thanh và video thành văn bản bằng whispertranscribe.ai.

Bắt đầu chuyển thành văn bản ↗