实时转写Real-time transcription

怎么用 · 待核

ElevenLabs 单开一档 `Scribe v2 Realtime`：「Real-time transcription / Low latency (~150ms†)」· Gemini 指向「dedicated speech to text models with support for real-time transcription」

各家叫法：real-time · 流式 · 实时同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获，然后把「没找到」写成「官方没说」。

asr：谁实现了

ElevenLabs

ElevenLabs Scribe v2

🎯 也是唯一给了延迟数字的（~150ms），而且单开了一档模型而不是一个参数。

ElevenLabs · Models官方来源核验版本 v2核验于 2026-08-15机器录入

OpenAI

Whisper large-v3

模型卡没有实时/流式转写的说法。它是离线批处理形态的模型。

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 large-v3核验于 2026-08-15机器录入

阿里巴巴

SenseVoice Small

⚠️ 不能照抄那句工具箱清单。 模型卡写的是「SenseVoice is part of the FunASR ecosystem — one industrial-grade open-source toolkit for ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR」—— 那是整个 FunASR 工具箱的能力，不是 SenseVoiceSmall 这一个模型的。拿它去填「实时转写」就是把工具箱的本事记到模型头上。要填这一格，得读 SenseVoice 自己那一节。

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Small核验于 2026-08-15机器录入

阿里巴巴

Qwen3-ASR 1.7B

They both 指同段的 1.7B 与 0.6B，模型表亦列 Offline / Streaming；不把强制对齐器的时间戳能力并入本模型。

阿里官方 · Qwen3-ASR 模型卡官方来源核验版本 1.7B核验于 2026-10-10机器录入