speech-to-text-benchmark

收录理由

选语音转文字引擎时，多数团队要么轻信厂商宣传，要么自己临时写脚本跑几段音频，结果往往难以横向对比。这个框架把评测流程标准化了：同一批数据集、同一套指标，统一跑在Amazon Transcribe、Azure、Google、IBM Watson、OpenAI Whisper、Whisper.cpp、Vosk以及Picovoice自家引擎上。它给出的指标包括词错误率、标点错误率、每音频小时消耗的CPU时间、流式输出的延迟以及模型体积，覆盖的数据集有LibriSpeech、Common Voice、TED-LIUM等公开语料。对边缘部署来说，这种对比尤其关键——云端API可能准确率领先，但成本和延迟却可能拖后腿。团队可以直接复用已发布的评测结果作为基线，也能把框架扩展到自己手里的音频和语言上。