廣東話 ASR 比較
港嘢 vs Speechmatics：廣東話 ASR 點揀？（2026）
一句答你：Speechmatics 官方語言表有 Cantonese（yue），亦有 on-prem、EU／US／AU region 同多語 Melia 1；港嘢就係粵語專門、港幣按秒計費、冇 add-on。要部署自由度同多語廣度，Speechmatics 強；要粵語專門同簡單計費，我哋直接。
本文競品資料全部來自對方官方公開頁面（觀察日期 2026-10-31），只列可核實 規格並盡量標明來源位置；平台隨時改版，落單前請以官方最新頁面為準。 準確度屬實測結果，本文唔會由定價頁推導，亦唔會替任何一方排名。
TL;DR：八個維度逐項對照
| 維度 | 港嘢 Canto-Gen | Speechmatics |
|---|---|---|
| 粵語支援 | 粵語專用引擎，yue 係 API 預設語言；中英夾雜保留原詞 | 官方語言表列 Cantonese（yue）；Melia 1 多語模型可句中切換（2026-10-31 查閱） |
| 即時 vs 檔案 | 兩者都有：同步檔案（≤8 分鐘）＋非同步長音檔（≤4 小時／200 MB）＋即時 WebSocket | 兩者都有：Batch（REST）＋Realtime（WebSocket）；Melia 1 兩個模式都有 |
| 熱詞／詞彙表 | 自訂詞彙表最多 50 詞（每詞 ≤30 字元，提示句 ≤200 字元）；per-request 或帳戶預設；需 asr_vocabulary 權限 | Custom dictionary：Enhanced／Standard／Linden 1 有；Melia 1／Oak 1 官方 feature matrix 列 unavailable（2026-10-31 查閱） |
| 講者分辨 | 會議助理（/ai-meeting-minutes）提供講者分辨；公開 ASR API 輸出以逐字稿為主（2026-10-31 查閱文件未列講者標籤） | Batch 全部模型有；Realtime Enhanced／Standard／Oak／Linden 有，Melia 1 列 unavailable（2026-10-31 官方 feature matrix） |
| 時間戳 | 公開 ASR 輸出支援 json／text；官方文件明列 srt／verbose_json 需段級時間戳、暫時未提供（2026-10-31 查閱） | Batch 全部模型 word-level timings；Realtime 大部分 word-level，Linden 1 為 segment level（2026-10-31 官方 feature matrix） |
| 計費單位 | 檔案 HK$0.80／音頻小時；即時 HK$1.40／音頻小時；按秒計、只計成功 | 按小時、billed to the second：Melia 1 US$0.24（batch）／US$0.40（realtime）；Enhanced US$0.75／US$0.80；Standard US$0.45；US$100 免費額度（2026-10-31） |
| 資料落地 | 內容存放於雲端資料庫，資料中心位於南韓（首爾），備份同區；刪除後 30 日內永久清除；企業可按合約約定更短保留或零保留 | EU1／US1／AU1 region；Enterprise 另有 EU2／US2；可 on-prem 容器部署。Melia 1 只在 EU1／US1（2026-10-31 官方 regions 文件） |
| API 接入成本 | REST：同步 multipart、非同步任務輪詢、即時 WebSocket；OpenAPI 3.1 spec＋互動文件；免費帳戶行 sandbox，付費方案（輕量起）解鎖全速 API | Batch REST＋Realtime WebSocket；另有 Feature Discovery endpoint；US$100 免費額度（2026-10-31 官方文件） |
競品欄觀察日期：2026-10-31，資料來自官方語言表、定價頁 feature matrix 同 regions 文件。港嘢費率以 src/lib/marketing/feature-facts.ts 為準（SSOT：wallet.ts）。
詳細比較
粵語支援：官方語言表有 yue
Speechmatics 官方語言表列 Cantonese（語言碼 yue），屬於 Enhanced／Standard 可選語言；Melia 1 同 Oak 1 係多語模型，官方指佢哋轉寫語言表列出嘅個別語言，唔需要預先選語言，可以句中切換（2026-10-31 查閱）。
所以「有冇粵語」唔係呢頁嘅分水嶺；要睇嘅係你需唔需要 Melia 1 嘅自動語言切換，定 Enhanced／Standard 嘅 custom dictionary、diarization 等功能。呢啲功能唔係每個模型都有，下面逐項講。
即時與檔案：Batch／Realtime 兩條路
Speechmatics 同時有 Batch（REST）同 Realtime（WebSocket），Melia 1 兩個模式都提供。港嘢同樣有同步檔案、非同步長音檔同即時 WebSocket，兩邊喺「有冇即時／檔案」呢格打和。
分別在於上限同工作流：港嘢同步路徑適合 8 分鐘以內，長錄音走非同步任務（≤4 小時／200 MB），提交後可以關頁；Speechmatics 就以 Batch job 處理檔案。實際接入時，兩邊都要考慮排隊同結果擷取方式。
熱詞與講者分辨：模型一轉，功能就唔同
Speechmatics 官方 feature matrix 寫得好清楚：Custom dictionary 喺 Enhanced／Standard／Linden 1 有，Melia 1／Oak 1 列 unavailable；Speaker diarization 喺 Batch 全部模型有，但 Realtime Melia 1 列 unavailable。即係話，你揀較低價嘅 Melia 1，就要接受冇 custom dictionary、realtime 冇 diarization。
港嘢嘅詞彙表最多 50 詞，per-request 或帳戶預設，冇逐項 add-on；講者分辨只喺會議助理產品提供，公開 ASR API 未列講者標籤。如果你要 API 直接回 speaker label，就要揀對手有 diarization 嘅模型。
時間戳：Batch 齊，Realtime 有分級
Speechmatics Batch 全部模型有 word-level timings；Realtime 大部分模型都係 word-level，Linden 1（voice agent 專用）係 segment level。呢啲對字幕、karaoke、剪片定位好實際。
港嘢公開 ASR API 只出 json／text；官方文件明寫 srt／verbose_json 需要段級時間戳，暫時未提供（2026-10-31 查閱）。如果你嘅核心需求係逐字時間碼，唔應該為粵語硬用我哋。
計費：平價多語模型 vs 功能型模型
Speechmatics 嘅 Melia 1 係較低價嘅多語選擇：pre-recorded US$0.24／小時、realtime US$0.40／小時；但要 custom dictionary 或 realtime diarization，就要上 Enhanced／Standard（US$0.45–0.80／小時）。官方另有 model-training opt-in 減 33%，預設關閉；開啟即代表容許音頻用嚟改善模型，敏感資料建議保持關閉。
港嘢：檔案 HK$0.80／音頻小時、即時 HK$1.40／音頻小時，按秒計、只計成功，冇 add-on、冇 training 折扣。兩邊幣種同折扣結構唔同，實際成本要按你揀邊個模型、開唔開 add-on／opt-in 去計。
資料落地與 API 接入
Speechmatics 喺資料落地方面選擇較多：EU1、US1、AU1 三個 region，Enterprise 另有 EU2／US2，亦可 on-prem 容器部署；注意 Melia 1 只在 EU1／US1 提供（2026-10-31 官方 regions 文件）。如果你有資料主權或自架要求，呢點係實際優勢。
港嘢嘅內容存放於雲端資料庫，資料中心位於南韓（首爾），備份同區，企業可按合約約定更短保留或零保留；公開服務唔提供自架。API 方面，兩邊都係 Batch REST＋Realtime WebSocket；Speechmatics 另有 Feature Discovery endpoint，港嘢有 OpenAPI 3.1 spec 同互動文件。
邊個應該揀邊個？
兩邊做嘅唔係同一件事，唔存在「邊個完勝」。以下係按規格同使用情境嘅適配建議：
揀港嘢，如果你：
- 內容以粵語為主：會議、訪談、課堂、客服錄音
- 想港幣計費、按秒計、只計成功，冇 add-on 疊加
- 想要中文（粵語）介面同本地支援
- 只需要逐字稿（json／text），字幕對齊可以另用工具處理
揀 Speechmatics，如果你：
- 要 on-prem 部署或指定 EU／US／AU region
- 要一個多語模型自動切換語言（Melia 1）
- 要 word-level timings、custom dictionary、diarization 等逐模型功能
- 要 model-training opt-in 折扣，並接受音頻用嚟改善模型
咩情況下唔應該揀我哋
我哋嘅公開 ASR API 有明確邊界。以下情況，其他平台或者專用工具會更合適：
- 你必須由 API 直接取得 word-level timestamps 做字幕或剪片對齊（我哋公開 ASR 只出 json／text）
- 你要 API 輸出直接帶講者標籤（我哋嘅講者分辨喺會議助理產品，唔係公開 ASR API）
- 你要自架、指定資料處理地區或 AU region（我哋公開服務唔提供自架，企業安排要另外洽談）
- 你要同一個模型覆蓋 50+ 語言並自動切換（我哋專做粵語）
最後一句老實話：轉寫準確度、延遲同穩定性要親身試先判斷到。最公道嘅做法係 攞同一段真實錄音，兩邊各跑一次，再逐字核對專有名詞同數字。
常見問題 FAQ
Speechmatics 支援廣東話嗎？
支援。官方語言表列 Cantonese（語言碼 yue），Enhanced／Standard 模型可選；Melia 1 係多語模型，官方指佢轉寫語言表列出嘅個別語言、可句中切換（2026-10-31 查閱）。呢個係官方語言表事實，唔代表任何準確度承諾。
Melia 1 同 Enhanced／Standard 有咩分別？
Melia 1 係新一代多語模型：唔需要預先選語言，官方稱覆蓋 56 種語言、可句中切換，pre-recorded US$0.24／小時、realtime US$0.40／小時；但官方 feature matrix 列明 Melia 1 冇 custom dictionary，realtime 亦冇 speaker diarization。Enhanced／Standard 就要你逐次選語言，但支援 custom dictionary、word-level timings 同 diarization。揀之前要按你需要邊啲功能。
計費點比較？
Speechmatics 按小時、billed to the second：Melia 1 pre-recorded US$0.24／小時、realtime US$0.40；Enhanced US$0.75／US$0.80；Standard US$0.45；新戶 US$100 免費額度。可選 model-training opt-in 再減 33%（預設關閉；開啟即代表容許音頻用嚟改善模型，敏感資料要留意）。港嘢：檔案 HK$0.80／音頻小時、即時 HK$1.40／音頻小時，按秒計、只計成功，冇 add-on／training 折扣。
可唔可以指定資料處理地區或者自架？
Speechmatics 官方列 EU1、US1、AU1 三個 region，Enterprise 另有 EU2／US2；亦可揀 on-prem 容器部署（2026-10-31 官方 regions／deployments 文件）。注意 Melia 1 只在 EU1／US1 提供。港嘢嘅內容存放於雲端資料庫，資料中心位於南韓（首爾），備份同區；公開服務唔提供自架，企業安排要另外洽談。
你哋有冇 word-level timestamps 同講者標籤？
如實講：我哋公開 ASR API 只出 json／text；官方文件明列 srt／verbose_json 需要段級時間戳，暫時未提供（2026-10-31 查閱）。講者分辨方面，我哋嘅會議助理產品有，但公開 ASR API 未列講者標籤。Speechmatics 嘅 Batch 全部模型有 word-level timings；Realtime 大部分模型 word-level，Linden 1 係 segment level。要 API 直接回時間碼／講者，Speechmatics 會直接啲。