如果您一直在比較語音輸入軟體，可能已經蒐集了一些百分比——99%、97%、95%——卻發現它們對您做決定沒什麼幫助。這並不是因為這些數字不誠實，而是因為單一的準確率數字，回答的是與您所問的問題不同的問題。
您想知道的是： 在我的書桌前、用我的麥克風，這款軟體能聽懂我到什麼程度？ 而公佈的準確率數字回答的是： 這套引擎在一組我們兩人都沒聽過的特定錄音上，轉錄得如何？ 這兩個問題可能有截然不同的答案。
這個頁面說明測量方式的運作原理，讓您在看到任何廠商的數字時——包括您在我們這裡看到的數字——都能了解它的實際價值。
白話解釋字詞錯誤率
語音辨識準確率通常以 字詞錯誤率（通常縮寫為 WER）呈現，指的是出錯字詞所佔的比例。數字越低越好，「95% 準確率」只是「5% WER」的另一種寫法。
什麼算是「錯誤」，比大多數人預期的更為明確。錯誤共有三種，並會加總計算：
- 替換錯誤 ——說出的字被輸出成了另一個字。您說「their」，它卻打出「there」。
- 刪除錯誤 ——您說過的字，並未出現在轉錄文字中。
- 插入錯誤 ——文字中出現了您根本沒說過的字。背景人聲與呼吸雜音都可能造成這種情況。
將這三種錯誤加總，再除以您實際說出的字詞數。假設您口述了一段 100 個字的段落，轉錄結果中有四個字錯誤、一個字遺漏、一個字多出來：那就是在 100 個字中出現六個錯誤，WER 為 6%，也就是「94% 準確率」。
有一個結果值得了解，因為它能解釋許多令人困惑的行銷說法： WER 可以超過 100%。如果軟體插入的字比您實際說出的還多——在嘈雜的房間裡就可能發生——錯誤數量就可能超過字詞總數。一個無法超過 100 的數字，就不是字詞錯誤率。
為什麼同一款軟體會讓兩個人得到不同結果
引擎只是決定準確率的其中一項因素，而且往往不是最重要的一項。其餘的則取決於您自身的情況：
- 您的麥克風，以及它擺放的位置。 這通常是單一影響最大的因素，也是最便宜就能改善的一項。距離嘴邊只有幾公分的耳機麥克風，所聽到的內容，與放在桌子對面的筆記型電腦麥克風截然不同。
- 所在的房間。 背景的電視聲、風扇聲、打開的窗戶、有回音的硬質表面房間——這一切都會和您的聲音一起被辨識器接收到。
- 您口述的內容。 日常用語是最容易的情況。人名、醫療或法律術語、零件編號、地址與縮寫則困難得多，因為軟體必須在發音相近的字詞之間做出選擇。
- 您說話的方式。 口音、語速、音量、是否會把句子連在一起說、是否會愈說愈小聲。這些都不是缺點——只是引擎能否處理的各種變化而已。
- 您執行的是哪一種模型。 大多數裝置端軟體會提供多種不同大小的模型。能在舊款筆記型電腦上順暢執行的小型模型，通常會比在高效能電腦上執行的大型模型犯下更多錯誤。
即使兩個人使用完全相同的軟體與設定，僅憑上述這些因素，結果就可能相差好幾個百分點。這就是任何公佈的數字都無法為您填補的差距。
基準測試數字實際測量的是什麼
公佈的字詞錯誤率，來自標準的研究資料集——固定的錄音集合，附有經過驗證的逐字稿，讓不同系統能以相同素材評分。這對開發軟體的人來說確實有用：這正是判斷這個月的模型是否優於上個月的方式。
但作為選購指南，它的用處就小得多，原因有三：
- 這些錄音不是您。 基準測試的錄音有其自身的口音、麥克風與主題內容，沒有一項是您的。
- 不同廠商公佈的是不同的測試。 在兩個不同資料集上測得的兩個數字並不能互相比較，即使兩者都是誠實公佈的結果。同一套引擎在朗讀有聲書與即興對話上，得出的分數會截然不同。
- 測試條件通常被省略。 一個沒有附上資料集、麥克風與說話風格的數字，是您無法查證的說法。
當您看到一個數字時，值得問的問題不是「它高不高？」，而是「這是在什麼條件下測得的？」如果沒有說明，這個數字就只是裝飾。
兩種不同的設計理念
新舊兩種辨識方式之間確實存在技術上的差異，值得了解，因為這會改變「準確率」對某項產品究竟代表什麼意義。
訓練式語音檔。 傳統的桌面型方式，會為您個人的聲音與詞彙建立一份專屬語音檔。您需要先投入時間，之後也能持續教它——加入您自己的專業術語、同事的姓名、您所屬領域使用的字詞。Dragon 是以這種方式建構的最知名產品，Nuance 自家的資料宣稱辨識準確率最高可達 99%。代價則是設定所需的時間，以及這份語音檔需要由您自行維護。
通用模型。 較新的方式，是用極為廣泛的語音資料，一次訓練出一個大型模型，然後將同一個模型提供給所有人。OpenAI 的 Whisper 模型是最知名的開放範例；Whisper 原始論文描述其訓練資料約有 68 萬小時的音訊。這種方式沒有註冊訓練步驟——安裝好就能直接開口說話——但同樣地，也沒有辦法教它認識您的聲音。除了軟體在模型之外額外加入的功能（例如個人詞彙清單），您第一天得到的效果，大致上就是之後會持續得到的效果。
這兩種方式並無絕對的優劣之分。如果您整天都要口述專業詞彙，能夠訓練軟體就有實際的價值。如果您想要安裝完就在今天下午開始使用，那麼註冊訓練過程就只是一項沒有回報的成本。哪一種情況更符合您，不是一個百分比數字能告訴您的。
用十分鐘，以自己的聲音測試
這是唯一能回答您問題的基準測試，而且很容易在任何提供試用的語音輸入工具上執行——包括電腦裡已有的免費工具。
- 先寫出一小段文字 ——約 150 到 200 字。使用您自己的文字，而非範例段落：您慣用的郵件風格、您的主題內容、您實際會打出的姓名。
- 把它唸給軟體聽 以您平常說話的方式，坐在您平常會坐的位置。
- 將兩份內容並排比較 並計算替換、刪除與插入錯誤的次數，再除以您的字詞總數。
- 改用耳機麥克風再測一次 如果您第一次是用內建麥克風測試的話。單單這項改變，往往比更換產品更有效果。
- 接著再做一次貼近實際情況的測試。 口述一些沒有事先寫好的內容——一封真正要寄出的電子郵件——因為照著文字唸，永遠比從腦中想出來說更容易，而第二個數字才是您日後實際會面對的結果。
用同一段文字測試兩到三款工具，您就能得到任何評測都給不了的東西：一個以您的聲音、您的麥克風、您所在的房間為基礎的比較結果。如果某款工具無法在付款前試用，這一點也值得列入考量。
解讀測試結果
WER 相差幾個百分點，其實不如錯誤出現在哪裡來得重要。偶爾漏掉一個短字、但能正確辨識每個人名的軟體，用起來會比分數更高、卻把同事名字打錯的軟體更令人愉快。修正一個錯字只需片刻，但發現它卻需要專注力。
所以，請評斷轉錄出來的文字內容，而不是那個數字。閱讀輸出的結果，想想它需要多少修改，並問問自己這是否比直接打字更省力。這就是全部的問題所在。
CaringDictate 的立場
我們不會公佈準確率百分比。我們當然可以做出一個——每個人都做得到——但那會是根據不是您聲音的錄音測得的結果，若把它當作對您實際體驗的預測來呈現，會有誤導之嫌。
CaringDictate 使用開放式語音辨識模型，在您自己的電腦上執行，並提供多種模型大小，以配合您現有的電腦效能。我們提供免費七天試用，其存在的目的，正是讓這個問題交由您自己的聲音來決定，而不是由我們的行銷說法來決定。如果您用上述方法測試後，發現 Windows 內建的免費語音輸入表現就已足夠好，那是個很好的結果——請使用它，並省下這筆錢。
從這裡往下該怎麼走
那個 語音輸入詞彙表 說明您在選購過程中會遇到的其餘詞彙。 Dragon 比較 涵蓋產品層級的差異，而 隱私指南 則說明本機端與雲端工具在音訊處理位置上的差異。