有价值的软件评测要回答一个实际问题：这款工具是否适合你的录音、语言、预算和工作流程？我们的编辑标准是说明检查了什么、展示证据，并交代各项取舍。
当前内容：软件目录中的产品档案基于服务商文档编写。这些档案不是经过评分的实际体验评测。本页规定发布测试、比较和推荐内容时应满足的要求。
最后更新：2026 年 10 月 17 日
1. 明确内容类型
- 产品档案：概述文档中列明的功能、适用平台、定价来源和用途。服务商的声明应明确归属于该服务商。
- 实际体验评测：记录评测者实际使用产品的情况，包括测试日期、套餐、设置、证据和局限。
- 产品比较：按照明确说明的标准进行比较。如果某款产品仅经过资料研究而未实际测试，必须清楚标明这一区别。
- 选购指南：说明针对特定任务的选择标准和取舍。仅仅被收录进指南，不代表性能更优。
“已测试”“已核实”和“最佳”等说法需要证据支持。软件是否可用、服务商声明和我们自己的观察必须保持可区分。
2. 使用可比的测试条件
实际体验测试应先说明使用场景，并确定样本集。应在查看结果之前选定测试方法。
- 描述样本。记录语言、相关口音、时长、说话人数、音质和录制场景。注明噪声、重叠说话或专业词汇。
- 使用相同的输入。直接比较转写结果时，应使用同一份原始录音和参考转写稿。任何文件转换、裁剪或音频处理都必须记录，并对各产品一致执行。
- 记录配置。注明产品套餐、可选模型、语言设置、说话人标签设置、设备或浏览器以及测试日期。如果产品没有对应的等效选项，应解释差异。
- 保留每次尝试的记录。记录失败任务、重试和人工干预。对各产品采用相同的重试规则，并注明结果来自首次尝试、典型表现还是挑选出的最佳一次。
- 如实说明范围。说明录音和尝试的数量。小规模探索性测试无法证明产品在所有语言、口音或录音条件下的表现。
会议助手、语音输入应用和基于上传的转写工具，采集方式各不相同。应尽可能比较它们共有的任务，并分别评估各自工作流程的其余部分。
3. 对照经过核查的参考稿衡量转写准确率
参考转写稿必须与录音逐一核对。另一项语音识别服务未经人工复核的输出，不能作为充分可靠的参考。
词错误率（WER）按参考稿词数计算替换、删除和插入的数量。参考稿非空时：
WER = (substitutions + deletions + insertions) / reference words
在既定评分规则下，WER 越低，表示词级修改越少。应报告指标名称、样本量和评分设置，不得将其改称为适用于所有情况的“准确率”百分比。JiWER 评分参考文档说明了这些计算方法。
每种语言的测试都必须解释分词和文本规范化方式，包括标点、大小写、数字、重音符号和填充词的处理。日语测试必须说明如何切分词语。适合采用字符级评估时，应报告字符错误率（CER）及其规范化规则。被比较的产品应使用相同规则。参见JiWER 文本转换文档。
词错误率或字符错误率无法涵盖所有重要错误。在相关情况下，应单独报告姓名、数字、日期、遗漏短语、虚构内容、说话人归属和时间戳错误。不同语言的结果应分别呈现，除非文章解释了汇总结果的计算方式。
4. 评估转写后仍需完成的工作
可读的转写稿只是任务的一部分。评测应描述从采集到形成可用最终文档的各个步骤。
- 采集与设置：上传或录制步骤、支持的输入、权限，以及开始使用所需的时间。
- 说话人标签与摘要：归属错误、遗漏的决策、缺乏依据的陈述，以及待办事项是否准确反映录音内容。
- 编辑：播放控制、搜索、纠错工具、说话人重命名，以及完成任务所需的工作量。
- 导出：实际打开导出的文件，并在相关情况下检查格式、说话人标签和时间信息。应区分产品列出的导出功能与实际测试过的导出功能。
- 速度与可靠性：分别测量上传、处理和人工编辑的耗时。记录音频时长、网络连接条件和任何未完成的任务。
临床文档需要单独评估记录的忠实程度，以及具有临床意义的遗漏或增添。临床质量结论需要由具备相应资格的评测者作出；一般转写评分不能证明临床适用性。
5. 在相同基础上比较价格
价格说明需要官方来源和核查日期。应注明币种、计费承诺、包含额度、文件限制、席位要求、超额费用及相关附加项。免费试用和临时折扣必须明确标注。
年付套餐的月均价格必须标注“按年计费”。如果不说明差异，不得将其与竞争产品的按月付款价格直接比较。每小时费用示例必须说明假定用量和计算方法。未使用的额度不意味着订阅免费；宣传为无限量的套餐仍需核查适用限制。
性价比取决于任务。如果进行了测量，应将编辑工作量与订阅费用一同报告。如果无法确认价格或限制，应注明尚未确认，而不是估计当前优惠。
6. 解释评分、优势和局限
推荐必须说明适用用户、任务，以及支持结论的证据。一款工具可能适合访谈，却不适合实时会议。应讨论重要缺点，以及其他选择可能更合适的情况。
目录产品档案没有默认星级评分。如果文章使用总分，必须说明标准、权重、基础测量结果和缺失数据的处理方式。未经测试的功能应标注“未测试”，不能自动判定为通过或不通过。不得编造用户评分、评测数量、基准测试或结果截图。
目录排序与评测结论是不同的概念。目录默认采用“精选优先”排序；“名称 A–Z”选项按字母顺序排列。任何带排名的测试或“最佳”推荐都必须解释其证据和排名方法。
7. 使证据、更新与纠错可追溯
实际体验文章必须注明作者、测试日期，以及所评估的套餐或版本。应附上原始截图或其他适当记录、来源链接，以及理解结果所需的方法。截图只能记录画面所展示的内容，不能支持未经测量的声明。
使用可合法使用和分享的录音。公开证据中应删除个人信息、机密信息和账户信息。隐私和安全功能如未经单独验证，应注明依据服务商当前文档；不得从营销说法推断产品具备某项认证。
确认存在重大错误时，应修改相关文字、注明修改内容和日期，并重新审视受影响的结论。后续软件更新不会自动改变早期测试结果。将旧测量结果作为新版本性能证据之前，必须重新测试。
纠错申请应说明页面网址、存在争议的陈述和支持证据。是否发布更正取决于支持证据。
方法参考资料
- JiWER：语音识别评估指标，包括 WER 和 CER。
- Google 搜索中心：撰写实用的产品评测，包括第一手证据以及优点和缺点。