廣東話 ASR

同一個「免費」，Google 係每月 60 分鐘，ElevenLabs 折算約 30 分鐘，AssemblyAI 同 Deepgram 係幾百小時。差距唔係營銷誇張，係單位唔同。

OpenAI 2026-08-26 通知：whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe、gpt-4o-transcribe-diarize 於 2027-02-26 關閉。粵語團隊要點搬？本文用公開文件同公開評測數據整理遷移清單。

講者分辨（speaker diarization）係會議逐字稿最易被低估嘅一環。本文講清楚三種做法嘅差別、各家公開規格、粵語重疊發言同短回應嘅實務處理，同一個 10 段抽樣驗收法。

兩張報價單，一張寫 $0.0043，一張寫 $0.21，唔可以直接比。計費單位唔同，量度嘅嘢根本唔同。

300 條錄音，聽落係「跑 300 次」。實際係三張表：邊條要轉、邊條轉緊、邊條收咗錢但冇交貨。冇呢三張表，你一定會喺交付日才發現漏咗幾條。

大部分人以為轉錄係「上載、等下、copy 出嚟」。真正花時間嘅係之後：邊句留口語、章節時間碼點標、show notes 點寫到有人搜尋得到。

同一條問題，答案跟場景走：客服要一秒內，會議字幕三秒可接受，逐字稿可以等一個鐘。揀錯路線嘅代價唔係貴，係你要重寫接入層，或者永遠交唔到正式稿。

全日工作坊、講座、聆訊，一條錄音可以六個鐘。四小時上限唔係叫你「壓細啲」，而係叫你改流程：先分段、再上載、最後接駁。

客戶話「幫我轉做書面語」，十次有九次想要嘅唔係同一樣嘢。有時要刪語氣詞，有時要保留原話，有時要轉成標準書面中文。搞錯就好心做壞事。

同一個「自訂詞彙」，四家平台嘅上限由 50 到 1000 都有。上限數字唔係容量承諾，係工程產物。搞清楚詞表點入模型，你就知幾多詞先啱自己。