云端转写服务

中英混说(code-switching)场景需选明确标注支持「中英混合模型」的服务，普通中文模型遇到夹杂英文专业词时会音译成错误汉字，无法靠通用词库纠正

识别准确率的官方标称值(如98%)基于清晰单人录音的字准率，实际带口音、远场、多人交叉的会议场景准确率会下降10~20个百分点，选型应看目标场景的实测而非标称值

多人会议转写场景优先选支持「说话人分离(speaker diarization)」的服务，且分离准确率与预注册声纹强相关；未做声纹注册时，超过4人会议的说话人标签错误率通常显著上升

转写速度分「离线批量」和「实时流式」两类：实时流式为降延迟牺牲准确率，批量转写可利用全局上下文纠错，准确率更高；无需实时看字幕时选批量模式

对隐私敏感数据(法律/医疗/内部会议)应选提供「私有化部署或数据不用于模型训练」明确条款的服务，多数消费级免费服务默认保留数据用于优化

偶发单次长音频转写(如一次3小时讲座)不建议开通月度订阅，应选按量付费或单次购买；订阅制适合每月固定高频转写需求

自定义热词/专业词库的容量上限差异很大：轻量方案常限制100~300个词条且仅做后处理替换，专业级方案支持数千词条并参与解码，前者对同音专业术语纠正能力弱

免费额度通常以「每月分钟数」计且不叠加，长音频用户需算清月度总时长；很多免费档限制单文件时长(如30分钟)，长录音需付费或手动切分

需二次编辑成稿的用户应选提供「时间戳对齐+原音回听+边听边改」编辑器的服务，纯导出txt的服务校对效率低；导出srt/带说话人标签的结构化格式更利于后期处理

支持格式看两点：一是音视频容器(mp4/mov/m4a等)兼容性，二是是否内置格式转换；仅支持wav/mp3的服务需自行转码，手机录音常见的m4a/amr若不支持会增加预处理成本

长期高频且数据敏感的团队应评估「本地/私有化转写方案」作为云端服务替代，避免逐分钟计费累积成本与数据外传风险，但需权衡本地算力与模型更新维护成本