2018年语音识别行业评测 作为学习交流参考

大家好，现在已经到了2018年的年底了，作为一个语音识别行业内的工作者，我想写一篇文章，来给大家实际测试一下，目前市面上各大"语音识别"引擎的实际识别效果，作为学习交流参考。

一、识别引擎

1、捷通华声(支持中文、英文、粤语)

2、云知声(支持中文)

3、百度(支持中文、英文、粤语)

4、科大讯飞(支持中文、英文、粤语、等十四种方言以上)

5、阿里云(支持中文)

6、有道云(支持中文以及英语)

二、测试项目

声音内容涉及：时间、地区、常用语、人名、金额、新闻稿内容

1.近距离录音测试(首先我们会准备一段对着手机以及录音笔说话的清晰录音，测试以上6款识别引擎识别的效果)

2.远距离录音测试(我们会准备二段录音，分别距离为1米和3米，采用录音笔以及手机进行录音，并测试声音识别情况，对比各家识别引擎的错误率)

3.新闻稿发音人声音测试(采用标准发音，慢速测试每个识别引擎的识别情况，对比正确率)

三、测试参数

为了保证测试的公平性，所有测试录音，统一转换为

采样率 ：16000

编码：16bit 位深的单声道。

手机：Galaxys9+

录音笔：新科V-19

语音识别软件：录音啦

录音环境：室内会议室(无杂音)

语言类型：中文普通话

四、测试过程

测试距离1米远录音

测试距离3米远录音

一、手机录音”近距离[演讲稿]：

北京时间11月12日，2018-2019赛季短道速滑世界杯第二站在美国盐湖城继续进行，在男子500米比赛中武大靖以39秒505的成绩夺冠，并打破自己在平昌冬奥会上创造的39秒584的世界纪录。继上周两次登顶后，武大靖在500米项目上实现三连冠，成为该项目上当之无愧的霸主。

二、“手机录音”识别引擎近距离[演讲稿]识别结果

三、“手机录音”1米远距离录音原文：

关于王总的商业报告书我看了，大家打开第九页，文章中提到了“语音识别”行业的发展趋势正在迅速发展，我希望大家能够牢牢把握机会，争取在2018年的年底，把11月份，12月份的资料。详细的数据整理出来

四、“手机录音”识别引擎1米远录音识别结果

五、“手机录音”3米远距离录音原文：

2003年12月24日开工建设，2008年3月完工，总造价22.67亿元。作为国家标志性建筑，2008年奥运会主体育场，国家体育场结构特点十分显著。体育场为特级体育建筑，大型体育场馆。主体结构设计使用年限100年，耐火等级为一级，抗震设防烈度8度，地下工程防水等级1级。

六、“手机录音”识别引擎3米远录音识别结果

七、录音笔”近距离原文：

今天是2018年11月12日，我们在广东省广州市番禺区市桥街，小明将给大家介绍一下周杰伦演唱的歌曲，如“黑色毛衣”“七里香”等歌曲，都充满了年轻人的回忆。

八、录音笔”近距离识别结果：

九、录音笔”3米距离[演讲稿]：

2003年12月24日开工建设，2008年3月完工，总造价22.67亿元。作为国家标志性建筑，2008年奥运会主体育场，国家体育场结构特点十分显著。体育场为特级体育建筑，大型体育场馆。主体结构设计使用年限100年，耐火等级为一级，抗震设防烈度8度，地下工程防水等级1级。

十、录音笔”3米距离识别结果：

十一、得出对比图以及结论

评分规则：

1.最佳得：3分

2.推荐得：2分

3.效果不理想得：1 分

总结：

1.在近距离的"手机"和"录音笔"录音中，各大识别引擎识别出来的文字效果都不错，会存在部分错别字，对于数字类的识别，推荐选用“云知声”，文字显示的比较直观，对于人名，歌曲名，捷通华声、云知声、科大讯飞、阿里云、有道云的识别效果都非常不错

2.录音距离超过或者等于3米的，首选“云知声”识别引擎，丢字率比较低，识别的完整性较高

3.对比“手机”和“录音笔”由于手机属于近距离录音设备，在对比三米录音距离下，除了“云知声”其他的识别引擎文字丢失率比较严重。

4.对于近距离的录音，每个识别引擎出来的文字相差不大

5.请注意!本次测试仅限与学习交流，实际不同录音识别效果会有差异

感谢您的阅读，如果有什么疑问或建议，欢迎在评论区评论……