Universal-2 在语音转文本模型比较中表现优于 Whisper

根据 AssemblyAI 最近的一份报告，在对领先的语音转文本模型的全面分析中，AssemblyAI 的 Universal-2 在与 OpenAI 的 Whisper 变体的比较中脱颖而出。评估重点在于真实世界的使用案例，评估模型在创建准确转录所需任务中的表现，如专有名词识别、字母数字转录和文本格式化。

模型比较

分析比较了 Universal-2 及其前身 Universal-1 与 OpenAI 的 Whisper large-v3 和 Whisper turbo 模型。每个模型根据字错误率（WER）、专有名词错误率（PNER）以及其他对语音转文本任务至关重要的指标进行评估。

性能指标

Universal-2 实现了最低的字错误率（WER），为 6.68%，比 Universal-1 提高了 3%。Whisper 模型虽然具有竞争力，但错误率略高，其中 large-v3 的 WER 记录为 7.88%，turbo 为 7.75%。

在专有名词识别方面，Universal-2 以 13.87% 的 PNER 展现了卓越的准确性，优于 Whisper large-v3 和 turbo。此外，该模型在文本格式化方面表现出色，实现了 10.04% 的 U-WER，表明它在标点符号和大小写处理上更为出色。

字母数字和幻觉率

Whisper large-v3 在字母数字转录方面表现出色，拥有 3.84% 的最低错误率，略高于 Universal-2 的 4.00%。然而，Universal-2 的幻觉率显著降低，相较于 Whisper 模型减少了 30%，这使其在实际应用中更可靠。

结论

Universal-2 相对于 Universal-1 的进步是显而易见的，在准确性、专有名词处理和格式化上均有改善。虽然 Whisper 在某些领域有其优势，但其对幻觉的易感性对一致性表现构成了挑战。

欲了解更多见解和详细指标，请通过 AssemblyAI 的官方报告获得完整评估。