「AI」2018年时候我想对几十分钟的语音做文字转写，当时买了一个软件，效果很差。目前想100%转写其实还是做不到的。

O厂的语音能力最强，但它几乎不对外开放，只用在自己的语音产品中；API很贵，网页版不能做小时级的转写；倒是开源的几代Whisper能在本地处理不同层级的任务——但转写的准确率不高，其中的Large-v3模型能够做业界最准确的时间戳——这是经过我反复测试的。从对待语音这件事的产品线来说，也能窥见O厂的风格——各层其实都给了相应的产品，但想真正爽起来，那得交钱。

真正在转写上能做到词语精确的，是谷大财主家的模型。最近我用Codex去调用谷家的API，小时级的语音转写，10条任务能通过8条。它不是说准确率是80%，如果是这样，那就一条也没法用，它是8条100%可用，剩下两条就瞎写，瞎总结，让人生气让人疯。

我现在又去调用网页版。谷财主的容量和额度能兜住，一次任务消耗的周额度为0%，也就是忽略不计。但坏消息是，负责监工的Codex一次消耗为2%到3%.此外，抽样检查还是本地的模型在做，加载不压缩的大概需要10G的显存。

能有闲心玩这些真是需要耐心的。

在这个过程中真正爽到的是奥特曼。他一手收钱，一手收数据，连财主家的数据也混到手。所以他们说：我们爱我们的用户。