📊 录音转译精度对比

订单 2084296179071107094（吕刘洋·工程师现场 09:15-10:19，3873s）· MHT后台「录音转译」 vs 自有阿里云Paraformer · 2026-08-04

一、总体精度

12.2%

MHT转译CER（相对阿里云）

87.8%

字符一致率（以阿里云为基准）

89.7%

双向序列相似度

6534/6472

有效字数 MHT/阿里云

以自有阿里云 Paraformer 转写为基准，MHT 后台录音转译的字准率约 87.8%（错误率 12.2%）。两引擎在约 9 成内容上一致；分歧集中在背景噪音、快速语速与专业术语区段。

二、覆盖与分段

	MHT 录音转译	自有阿里云
转写分段数	206 段	323 段
时间覆盖	0:00 → 64:32	0:00 → 64:32
30s窗口一致(≥85%)	31 个
30s窗口分歧(<85%)	48 个
仅阿里云捕获	10 个窗口

64 分钟录音中真实说话约 23-26 分钟（其余为静音/环境音），两引擎有效覆盖相当。但 MHT 存在整段漏转：约 41:00-42:30 连续约 50 秒对话（拆机解释+配置建议）MHT 未转出，段「笔记本毕」在句中截断后直接跳到 42:38「有点暗」，而阿里云完整转出了该段内容。

三、典型错误示例

时间/场景	MHT	阿里云	说明
开场	MHT上面服使者的空白	阿里转转（工牌）多品类菜单	MHT 音译混乱、语义不通
杂音讨论	MHT那杨荣琪有点瘦	阿里那扬声器	MHT 幻觉出人名「杨荣琪」
验机(屏)	MHT平的放	阿里屏幕晃了	MHT 错译，上下文为脱胶判断
验机(转轴)	MHT收获了这个	阿里说过了这个	MHT 错字
系统询问	MHT那个摄像书	阿里那个是要输	MHT 错字、语义不通
报价	MHT一万八	阿里18000	格式差异，均正确
加价解释	MHT相当于多少个15了	阿里相当于多少个失误了	此处 MHT 正确、阿里云误译

四、结论

1. MHT 录音转译精度可用（相对基准约 87.8%），但有短板。 后台转译在绝大多数内容上正确；主要问题为：① 个别语句音译混乱/幻觉（如人名、专有名词）；② 存在整段漏转（约 41-42 分钟 50 秒连续对话）； ③ 无说话人分离——两人对话被合成单流，不利于质检判责时区分谁说了什么。

2. 自有阿里云 Paraformer 精度相当或更稳，且具备：CAM++ 声纹说话人分离、真实句子级时间戳、 323 段细粒度分段、无每日配额限制（¥0.30/单），并直接接入 16 项 QC 质检流水线。

3. 建议：后台「录音转译」每天 5 次配额，适合零星抽查；批量/全检仍走自有流水线（阿里云主选 + SenseVoice 兜底）。可把 MHT 转译作为第二引擎交叉验证，两引擎一致区段可信度更高。