AI应用：录音识别校对

AI技术发展很快，现在有大量的模型都可以把录音转成文字，方便日常的记录与学习。不过这种方案做的语音转换只能是差强人意，一些专有名词总是识别的奇奇怪怪，这样导致后续还要人工做校对。校对就要不断定位到录音的位置，所以几乎还是要重新听一遍，并没有带来效率的提升。

后来看到过一种方案，就是把原始转换的文字提交给大模型，让他辅助优化，校对整理。部分场景是有些提升的，但是通用性不高，比如下面是用GPT-4o对新闻类语音的校对，感觉其实跟没校对差不多。

但是最近在对比各模型时发现，Anthropic Claude的模型在角色扮演上的表现已经比OpenAI要优秀了。所以顺便测试了claude-3.5-sonnet的校对能力，结果真是大跌眼镜，直接上图。

7.中老免泰梅工合 ==》中老缅泰湄公河 【完全正确 amazing】

9.泰国总理他信结束15年流亡回国，被判服刑8年 【理解句意，进行了合并。后面各条目的合并也都正确，就不赘述了，唯一漏掉的是2.3的合并】

10.原无医疗队 疫诊 ==》援外医疗队 义诊 【感觉原文可能是援乌医疗队，不过改成援外也没错】

12.明渡等温线升至星高 ==》瑞士零度等温线升至新高【这也能猜对，amazing，不过改变了原文的顺序，要在prompt限制一下】

13.设他 ==》赛塔【这是2023年8月的新闻，说明OpenAI的数据库不够新，应该是只到23年4月。顺便说一句，今年8月，泰国总理又换人了，以后拿来测试数据库日期，还挺好。】

15.注梦之路，中国桥连发展历程展==》“筑梦之路”中国桥梁发展历程展【完全正确，还帮你把引号也打上了】

总结来说：claude-3.5-sonnet的表现实在令人惊艳，OpenAI在我心目中终于走下了神坛。不过唯一缺点的是sonnet要贵一些，上面这一小段60s录音校对价格大约是0.07元，一小时的录音就差不多要4元，对普通人来说，恐怕贵了些。

---

最近搭建了一个把各家AI模型融合在一起api测试接口，方便大家对比各种模型的优缺点，每次请求的日志费用都一目了然，需要的话可以私聊。

---

【后续发文计划】

• #AI应用
  • 录音识别文字后的校对（已发布）
  • 免费的AI图片生成接口
  • 最逼真的文字转语音模型
  • 论文/网页总结速览及问答
  • 自建知识库问答
  • 微信bot的应用
• #智能家居生活
  • 空调30℃开一晚，到底会怎样？附卧室数据展示
  • 自制温湿度监控记录报警器
  • 语音开关控制方案
  • 低成本智能音箱
  • 简易自动喂食器
  • 酸奶机改造成恒温孵化箱