Picovoice/speech-to-text-benchmark

这是什么？

核心功能

• 01在相同数据集上比较批处理和流式语音识别引擎
• 02测量词错误率、字符错误率和标点错误率
• 03统计流式引擎的词输出延迟
• 04统计本地引擎的 CPU 核时和模型大小
• 05覆盖英语、法语、德语、意大利语、西班牙语、葡萄牙语、韩语和日语

适用场景

• 对比准确率和延迟，为产品选择语音识别引擎
• 在自己的语言上评估离线模型与云端 API 的差异
• 比较端侧部署的计算成本和模型大小
• 把新的 STT 引擎接入统一的评测流程

快速上手

1. 1

   安装 FFmpeg

2. 2

   安装 Python 依赖

   pip3 install -r requirements.txt
3. 3

   下载基准测试数据集

4. 4

   按 README 说明，使用所选引擎、数据集和语言运行 benchmark.py

使用前须知

• !该基准仅在 Ubuntu 22.04 和 Python 3.12 上开发和测试。
• !许多引擎需要云服务账号或 API 密钥，例如 Amazon、Azure、Google、IBM Watson 和 Picovoice。
• !运行基准前需要自行下载较大的语音数据集。

收录于专题

标签

常见问题

speech-to-text-benchmark 是什么？

一个极简、可扩展的语音转文字引擎基准测试框架，用于比较识别准确率、延迟、计算成本和模型大小。 这是一个语音转文字（STT）引擎基准测试框架，可以在相同的音频数据集上比较不同引擎的表现。它既支持 Amazon Transcribe、Azure Speech-to-Text、Google Speech-to-Text 等云服务，也支持 Whisper、Whisper.cpp、Vosk、Moonshine、Nemotron 以及 Picovoice Cheetah、Leopard 等本地模型，测试数据涵盖 LibriSpeech、Common Voice、TED-LIUM、Fleurs 等常用语料。

speech-to-text-benchmark 可以免费使用吗？用的什么许可证？

speech-to-text-benchmark 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

speech-to-text-benchmark 还在维护吗？

活跃维护中。speech-to-text-benchmark 最近一次提交是在 2026年11月6日。

speech-to-text-benchmark 适合用来做什么？

对比准确率和延迟，为产品选择语音识别引擎 在自己的语言上评估离线模型与云端 API 的差异 比较端侧部署的计算成本和模型大小 把新的 STT 引擎接入统一的评测流程

speech-to-text-benchmark 怎么安装和运行？

安装 FFmpeg 安装 Python 依赖: pip3 install -r requirements.txt 下载基准测试数据集 按 README 说明，使用所选引擎、数据集和语言运行 benchmark.py

在哪里获取 speech-to-text-benchmark？

源代码和安装说明在 GitHub 上：https://github.com/Picovoice/speech-to-text-benchmark