asr-transcription

ASR 评测与转写管线

覆盖两类任务：

1. 评测：对比不同录音硬件+转写引擎+纪要 AI 的质量（如飞书录音豆 vs 钉钉录音卡 vs 通义听悟），产出对比矩阵
2. 转写：用在线 API（Gemini 免费层等）批量转写长音频（用户明确不装本地转写——在意磁盘空间）

核心方法论（评测类任务）

1. 双变量拆分（最重要）

贵硬件 = 采集端 + 转写端 + 总结端。必须分开测：

• 采集端（硬件）：同期多设备录同一场内容，比录音文件本身
• 模型端（引擎）：同一份高质量音频喂给不同转写服务，比转写文本
• 总结端（纪要）：各家 AI 纪要单独比，并对照逐字稿回验

2. 控制变量

• 同一音频文件比引擎；同一场景同期录制比硬件
• 每段 5-15 分钟足够；总测试量控制在免费额度内
• 测试音频里埋"地雷"：专业术语、易错英文名、数字——方便算保留率

3. 固定锚点测试集（跨引擎对比）

选 3-5 个有辨识度的句子/术语，每个引擎都查一遍，输出"通过/部分/失败"。本会话验证过的锚点类型：

• 英文产品名：Claude Code（飞书妙记全程错成 Clang/Clash code，钉钉听记 8/8 对——同一声源铁证对比）
• 专业词：渐进式披露（各引擎差异极大）
• 英文缩写：MCP、anthropic、vibe coding
• 幻觉检查：通义听悟免费版凭空编英文客服话术、无意义字母（"AN""DK"）、误听脏话

4. 纪要幻觉检测

AI 纪要会把"合理推测"写成事实（本会话抓到：回滚功能、定时触发/事件驱动、选题爬取都是逐字稿里没有的编造）。纪要必须对照逐字稿逐条回验，术语错误两家互不交叉。

5. 输出物

对比矩阵：音频质量表 + 转写质量表 + 纪要质量表 + 产品可用性（格式/导出/额度限制）+ 成本账。结论先行，数据可溯源。

评分维度量化（基于锚点计数折算，满分 100）：专业术语准确率 / 整体信息保留 / 幻觉与乱码控制 / 中文口语流畅度 / 综合转写质量。

成本折算公式（用户口径：API 按量价 vs 会员折算价）：

• 会员折算：年费 ÷ 12 ÷ 月度额度分钟 × 60 ≈ 元/小时（钉钉 500+/年÷1300 分钟/月 ≈ 1.9 元/时；飞书 69 元/月÷~1300 分钟 ≈ 2.8-3.5 元/时）
• API：新用户免费额度通常可覆盖个人月用量（本次 6 引擎实测总花费 0 元）；超出按量以官网为准
• 报告注明"本次实测成本"与"长期折算成本"两列

HTML 报告模板：templates/asr_report_template.html——自包含 CSS 单文件（hero 头 + 九节：测试方法/音频质量/术语锚点表/综合评分/幻觉与信息丢失/成本/格式可用性/结论/踩坑记录），锚点表用「钉钉音频 / 飞书音频」双列（支撑"测转写必须先控制音频变量"论点）。用户要求的交付形态。

音频质量客观指标（ffmpeg，全片或抽段）

# 编码/时长/码率/声道
ffprobe -v quiet -show_format -show_streams in.mp3 | grep -E "duration|bit_rate|sample_rate|channels|codec_name"
# 响度/动态范围 (EBU R128)
ffmpeg -i in.mp3 -af ebur128 -f null - 2>&1 | grep -A8 Summary
# 峰值/RMS/削波（Peak 超 0dB = 削波风险）
ffmpeg -i in.mp3 -af astats -f null - 2>&1 | grep -E "RMS level|Peak level"
# 静音段（-38dB 阈值找不到静音 = AGC 抬底噪/压缩强）
ffmpeg -i in.mp3 -af silencedetect=noise=-38dB:d=2.5 -f null - 2>&1 | grep silence
# 双声道是否同源（RMS 几乎相同 = 非真立体声，对转写无额外信息）
ffmpeg -i in.ogg -af astats -f null - 2>&1 | grep -E "Channel|RMS level"

判读：响度 -27~-30 LUFS 正常；LRA 8 vs 14 = 压缩强弱；静音段存在 = 信号干净。

SRT 解析与统计（Python 标准库）

• 标准 SRT 正则：r'(\d+)\n(\d{2}:\d{2}:\d{2},\d{3}) --> (\d{2}:\d{2}:\d{2},\d{3})\n(.*?)(?=\n\d+\n|\Z)'（re.S）
• 统计：块数、总字数、均长/中位片段时长、<1s 占比（碎片化）、每分钟字数（中文 ~280-310 正常）
• 术语检查：对清洗后全文跑 re.findall(正确/错译 pattern) 计数
• 清洗：钉钉导出文本行带 HH:MM:SS,mmm 前缀（用户可选导出选项，不是 bug）；通义听悟免费版导出是纯文本无时间戳（非标准 SRT）