# 語音辨識模型比較：Qwen3-ASR、Whisper、SenseVoice、Breeze 官方分數和會議實測差三倍
> 語音辨識模型的官方錯誤率多在 2～8%，同一個模型轉真實會議是 17～32%。這篇把 Qwen3-ASR、SenseVoice、Whisper、Breeze ASR 25 的官方數字和拾音的會議實測對起來，說明差距從哪來、官方數字怎麼用。
- 網址：https://www.weibuilds.com/blog/asr-benchmark-vs-meeting/
- 作者：weiwei
- 日期：2026-10-27
- 主題：AI 與自動化
- 標籤：語音辨識、qwen3-asr、breeze-asr、whisper、sensevoice、shiyin
語音辨識模型官方公布的錯誤率，跟拿去轉會議差兩到四倍。這篇把 Qwen3-ASR、SenseVoice、Whisper、Breeze ASR 25 的官方數字跟拾音的會議實測對起來。拾音怎麼量的寫在〈[Mac 本機轉錄中文會議誰準](/blog/shiyin-local-asr/)〉。
## 官方數字
| 模型 | 乾淨朗讀 | 最接近會議的 | 出處 |
|---|---|---|---|
| Qwen3-ASR 1.7B | AISHELL-2 2.71% | WenetSpeech test_meeting 5.88% | [model card](https://huggingface.co/Qwen/Qwen3-ASR-1.7B) |
| Qwen3-ASR 0.6B | AISHELL-2 3.15% | WenetSpeech test_meeting 6.88% | 同上 |
| SenseVoice-Small | AISHELL-1 2.96% | WenetSpeech test_meeting 7.44% | [論文](https://arxiv.org/abs/2407.04051)表 6 |
| Paraformer-large | AISHELL-1 1.95% | WenetSpeech test_meeting 6.97% | [ModelScope](https://modelscope.cn/models/iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch) |
| FireRedASR-AED | AISHELL-1 0.55% | WenetSpeech test_meeting 4.76% | [論文](https://arxiv.org/abs/2501.14350)表 2 |
| Whisper large-v3 | AISHELL-1 5.14% | WenetSpeech test_meeting 18.87% | [SenseVoice 論文](https://arxiv.org/abs/2407.04051)表 6，代量 |
| Breeze ASR 25 | Common Voice 16 台灣華語 7.97% | 沒公布 | [論文](https://arxiv.org/abs/2506.11130)表 IV |
| TEA-ASR 1.1 | Common Voice 19 台灣華語 3.58% | 沒公布 | [model card](https://huggingface.co/JacobLinCool/TEA-ASR-1.1) |
沒有一家公布遠距多人會議（AISHELL-4、AliMeeting）的成績。同一個模型不同人量的也不一樣，Whisper large-v3 在 WenetSpeech 會議集有 18.87%（SenseVoice 論文）和 19.11%（[Qwen 的 model card](https://huggingface.co/Qwen/Qwen3-ASR-1.7B)）兩個數字，比較要用同一份表。
## 拿去轉會議
實測是拾音的轉錄流程，去掉語助詞後算。中文是 AISHELL-4（6 人、遠距、38 分鐘），英文是 AMI ES2004a，日文是日本國會聽證。實測數字記在拾音 repo 的 [design.md §32.1](https://github.com/juinwei7/Shiyin/blob/d3ca86ef0ee7d16c1f6699957b29296817c47683/docs/design.md?plain=1#L1239-L1264)，SenseVoice 那列在 [design-windows.md D61](https://github.com/juinwei7/Shiyin/blob/d3ca86ef0ee7d16c1f6699957b29296817c47683/docs/design-windows.md?plain=1#L533)，逐次的替換、刪除、插入字數在[原始評估紀錄](/data/asr-meeting-eval-2026-10.csv)。
同一個模型，會議實測是官方數字的兩到四倍。* SenseVoice 是拾音 Windows 版的快速辨識流程量的，跟其他列不是同一條流程。
| 模型 | 官方 | 會議實測 | 倍數 |
|---|---|---|---|
| Qwen3-ASR 1.7B，中文 | 5.88% | 17.5% | 3.0 |
| Qwen3-ASR 0.6B，中文 | 6.88% | 17.0% | 2.5 |
| SenseVoice-Small，中文 | 7.44% | 26.4% | 3.5 |
| Breeze ASR 25，中文 | 7.97%（朗讀） | 25.7% | 3.2 |
| Qwen3-ASR 1.7B，英文 | 8.31% | 31.3% | 3.8 |
| Whisper large-v3-turbo，日文 | 4.7% | 9.2% | 2.0 |
| Qwen3-ASR 1.7B，日文 | 5.20% | 17.1% | 3.3 |
官方英文出自 [Open ASR Leaderboard](https://huggingface.co/spaces/hf-audio/open_asr_leaderboard)，日文出自 OpenAI 的 [turbo 發布說明](https://github.com/openai/whisper/discussions/2363)和 Qwen 的[技術報告](https://arxiv.org/abs/2601.21337)附錄表 A.2。
## 差距從哪來
AMI 最清楚，因為排行榜和拾音用的是同一場會議（ES2004a 在 [AMI 官方測試集](https://groups.inf.ed.ac.uk/ami/corpus/datasets.shtml)裡）。排行榜用每個人自己的頭戴麥克風，照標註切成短句（[ESB 論文](https://arxiv.org/abs/2210.13352)第 3 節與附錄 A）。拾音把四支麥克風混成一軌，整場直接轉。收音距離沒變，Qwen3-ASR 1.7B 從 8.31% 變 31.3%。
*Open ASR Leaderboard，2026 年 10 月 27 日。Qwen3-ASR 1.7B 的 AMI 是 8.31，Whisper large-v3 是 13.63。*
收音距離是另一筆。Whisper large-v2 在 AMI 頭戴麥克風 16.9%，換成遠處麥克風 36.4%（[Whisper 論文](https://arxiv.org/abs/2212.04356)表 8）。
乾淨句子裡錯的多半是聽錯；到了會議，多出來的幾乎都是沒聽到。AMI 上兩個模型聽錯的量一樣，差在漏字。
多出來的錯大多是漏字。乾淨句子兩個模型都約 2%，會議裡刪除變成 9～23 個百分點，AMI 上佔七成。漏多少跟切段有關：同一個 Qwen，AMI 30 秒一段 31.6%，15 秒一段 39.6%。
遠距多人會議本來就難。[AISHELL-4 論文](https://arxiv.org/abs/2104.03603)的基準系統是 30～33%，2022 年 M2MeT 挑戰冠軍是 18.79%（[論文](https://arxiv.org/abs/2202.03647)）。
## 排名會翻
- **TEA-ASR 1.1**（Qwen3-ASR 1.7B 微調）：[自家表上](https://huggingface.co/JacobLinCool/TEA-ASR-1.1) 3.58% 贏原版 3.90%，六人會議 34.8% 對 16.2%（[design.md §32.1](https://github.com/juinwei7/Shiyin/blob/d3ca86ef0ee7d16c1f6699957b29296817c47683/docs/design.md?plain=1#L1239-L1264)）。
- **macOS 內建，日文**：FLEURS 朗讀 7.0% 最好，國會聽證 15.2% 最差（[原始評估紀錄](/data/asr-meeting-eval-2026-10.csv)）。
- **英文**：排行榜上 Qwen 比 Whisper large-v3 少 5 個百分點，整場會議 Qwen 對 Breeze 只差 1.3。
## 官方數字怎麼用
- 中文看 WenetSpeech test_meeting，英文看排行榜的 AMI。乾淨朗讀集大家都在 1～3%，分不出會議表現。
- 差兩三倍的可以先刪，例如 Whisper large-v3 在 WenetSpeech 會議集 18.87%，其他在 4.8～7.4%。
- 差幾個百分點的，拿自己的會議錄音量。工具在[拾音 repo](https://github.com/juinwei7/Shiyin)：`shiyinctl transcribe-eval` 跑轉錄，[asr-score.swift](https://github.com/juinwei7/Shiyin/blob/main/scripts/dev/asr-score.swift) 算分。
AISHELL-4 和 AMI 各只量了一場，數字是 2026 年 10 月的版本。