Whisper 怎么选？把模型大小和转写校对一起考虑

先用你的素材比较两个模型

Sonano 提供 Tiny、Base、Small、Medium、Large-v3 Turbo 和 Large-v3 几个 Whisper 变体。较小的模型是开始测试的一个入口，复杂录音也可以拿较大的变体作对照。选模型时，把你真正要处理的语言和素材带进来。

Whisper 官方的速度表是在 A100 上测量英文转写的结果。它能说明模型之间有取舍，但不能直接告诉你一台 Mac 处理访谈要等多久。模型大小、运行方式和录音内容都会影响实际体验。

把校对时间也算进去

截取一段有代表性的录音：包含人名、数字、口音，以及一小段背景声。固定输入，比较两个候选变体，记录生成等待时间和需要修改的地方。较快生成、却需要逐句重写的结果，未必能让作品更快完成。

• 文字：有没有漏句、重复、人名或数字错误？
• 时间：字幕切换是否落在对应语音附近？
• 编辑：标点、断句和专有名词需要改多少？

上游说明 Turbo 由 Large-v3 优化而来，侧重速度与准确度的取舍；不同语言的表现仍有差异。它适合作为候选一起比较，这里不把某个变体排成适合所有录音的第一名。

转写完成后，回到音频校对

在 Sonano 的转写工作流导入音频或视频，选好模型和语言，得到结果后按段回放。优先检查姓名、金额、日期和专业词，遇到长静音、音乐或听不清的段落时，也要确认有没有多出来的文字。

语音识别、翻译和说话人识别是不同的任务。Whisper 上游提供的功能范围，也不等于 Sonano 当前对每个变体都开放相同选项；本文讨论的是 App 里的转写和分段时间。

导出前再看一遍字幕

只需要文稿时，整理后导出 TXT。准备视频字幕时，检查段落文字、时间和行长，再导出 SRT 或 VTT，并在目标播放器里回放一次。长句可以拆开阅读，过短的字幕则可能来不及看完。

导出字幕文件不会自动把字幕烧录进视频。如果后续要配音或做有声书，可以把校对好的文字作为下一步素材。先确认文字，再开始生成，能减少把识别错误读进成品的机会。

查看 Whisper 模型页与 转写使用文档，了解当前可选项。