並非所有語言在 AI 語音識別中的效果都一樣。本頁面對比了 GeekLink 支援的 22 種語言的轉錄準確率，幫助你在處理影片前選擇合適的模型大小，避免意外。
WER（詞錯誤率）衡量被錯誤轉錄的詞語比例——越低越好。中文使用 CER（字錯誤率），因為中文沒有詞邊界。WER 為 5% 意味著在清晰音訊中大約每 20 個詞有 1 個錯誤。
以下數值為基準資料集的參考值。實際準確率會因音訊品質、背景噪音、口音和語速的不同而有所變化。
預設模型 = 推薦（應用預設）。更大的模型耗時更長但識別更準確——尤其對日語和韓語。
| 語言 | 推薦模型 | 最佳 WER | 快速 WER | 評級 |
|---|---|---|---|---|
| 🇨🇳 Simplified Chinese | 專用引擎 | ~3–5% CER | ~3–5% CER | ⭐⭐⭐⭐⭐ |
| 🇹🇼 Traditional Chinese | 專用引擎 | ~3–5% CER | ~3–5% CER | ⭐⭐⭐⭐⭐ |
| 🇪🇸 Spanish | 高精度 / 最高精度 | ~3–4% | ~14–18% | ⭐⭐⭐⭐⭐ |
| 🇬🇧 English | 高精度 / 最高精度 | ~4–5% | ~12–16% | ⭐⭐⭐⭐⭐ |
| 🇫🇷 French | 高精度 / 最高精度 | ~6–7% | ~18–24% | ⭐⭐⭐⭐ |
| 🇩🇪 German | 高精度 / 最高精度 | ~5–7% | ~17–22% | ⭐⭐⭐⭐ |
| 🇮🇹 Italian | 高精度 / 最高精度 | ~5–7% | ~17–22% | ⭐⭐⭐⭐ |
| 🇵🇹 Portuguese | 高精度 / 最高精度 | ~5–6% | ~16–21% | ⭐⭐⭐⭐ |
| 🇷🇺 Russian | 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇳🇱 Dutch | 高精度 / 最高精度 | ~6–9% | ~18–24% | ⭐⭐⭐⭐ |
| 🇹🇷 Turkish | 高精度 / 最高精度 | ~7–10% | ~20–26% | ⭐⭐⭐⭐ |
| 🇮🇩 Indonesian | 高精度 / 最高精度 | ~7–10% | ~20–26% | ⭐⭐⭐⭐ |
| 🇵🇱 Polish | 高精度 / 最高精度 | ~7–10% | ~20–26% | ⭐⭐⭐⭐ |
| 🇸🇪 Swedish | 高精度 / 最高精度 | ~7–10% | ~18–24% | ⭐⭐⭐⭐ |
| 🇪🇸 Catalan | 高精度 / 最高精度 | ~5–8% | ~14–18% | ⭐⭐⭐⭐ |
| 🇨🇿 Czech | 高精度 / 最高精度 | ~7–10% | ~20–26% | ⭐⭐⭐⭐ |
| 🇳🇴 Norwegian | 高精度 / 最高精度 | ~7–10% | ~18–24% | ⭐⭐⭐⭐ |
| 🇩🇰 Danish | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇫🇮 Finnish | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇭🇺 Hungarian | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇬🇷 Greek | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇷🇴 Romanian | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇲🇾 Malay | 高精度 / 最高精度 | ~8–12% | ~22–28% | ⭐⭐⭐⭐ |
| 🇸🇦 Arabic | 最高精度 | ~10–16% | ~26–34% | ⭐⭐⭐ |
| 🇹🇭 Thai | 專用引擎 | 差異顯著 | — | ⭐⭐ |
| 🇯🇵 Japanese | 最高精度 必須 | ~10–14% | ~28–35% | ⭐⭐⭐ |
| 🇰🇷 Korean | 最高精度 必須 | ~10–13% | ~26–32% | ⭐⭐⭐ |
| 🇸🇮 Slovenian | 最高精度 | ~10–15% | ~28–35% | ⭐⭐⭐ |
| 🇮🇳 Hindi | 最高精度 | ~12–18% | ~30–40% | ⭐⭐⭐ |
| 🇺🇦 Ukrainian | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇻🇳 Vietnamese | 最高精度 | ~14–20% | ~32–40% | ⭐⭐⭐ |
| 🇭🇷 Croatian | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇸🇰 Slovak | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇧🇬 Bulgarian | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇷🇸 Serbian | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇮🇱 Hebrew | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇮🇷 Persian | 最高精度 | ~10–15% | ~26–34% | ⭐⭐⭐ |
| 🇵🇭 Filipino | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇱🇹 Lithuanian | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇱🇻 Latvian | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇪🇪 Estonian | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇦🇿 Azerbaijani | 最高精度 | ~12–18% | ~28–36% | ⭐⭐⭐ |
| 🇧🇩 Bengali | 最高精度 | ~15–20% | ~32–40% | ⭐⭐⭐ |
| 🇵🇰 Urdu | 最高精度 | ~15–20% | ~32–40% | ⭐⭐⭐ |
| 🇮🇳 Tamil | 最高精度 | ~15–20% | ~32–40% | ⭐⭐⭐ |
| 🇳🇵 Nepali | 最高精度 | ~15–22% | ~34–42% | ⭐⭐⭐ |
| 🇰🇪 Swahili | 最高精度 | ~15–22% | ~34–42% | ⭐⭐⭐ |
| 🇬🇪 Georgian | 最高精度 | ~15–22% | ~34–42% | ⭐⭐⭐ |
| 🇮🇸 Icelandic | 最高精度 | ~15–22% | ~34–42% | ⭐⭐⭐ |
來源：公開語音識別基準測試（Fleurs 資料集）及專項模型評估。實際結果可能有所不同。
GeekLink 允許你選擇模型大小。更大的模型需要更多時間和磁碟空間，但能顯著提升效果——特別是對日語和韓語。
| 模型 | 下載大小 | 速度 | 品質 | 最適用於 |
|---|---|---|---|---|
| 極速 | 75 MB | 最快 (~10x) | 較差 | 僅用於快速預覽 |
| 快速 | 142 MB | 快 (~7x) | 一般 | 中文/西班牙語快速透過 |
| 均衡 | 466 MB | 中等 (~4x) | 良好 | 歐洲語言日常使用 |
| 高精度 | 1.5 GB | 較慢 (~2x) | 很好 | 西班牙語/英語/法語推薦 |
| 推薦 應用預設 | 1.6 GB | 快 (~6x) | 很好 | 大多數語言的最佳速度-準確率平衡 |
| 最高精度 | 2.9 GB | 最慢 (1x) | 最佳 | 日語/韓語必選；其他語言追求最高準確率 |
詞錯誤率（WER）是被錯誤轉錄的詞語百分比。WER 為 5% 意味著大約每 20 個詞中有 1 個錯誤。中文使用 CER（字錯誤率），因為中文文本在詞與詞之間沒有空格。
日語和韓語有複雜的書寫系統（漢字、韓國漢字），高度依賴上下文來選擇正確的字元。小模型缺乏足夠的容量來捕捉這些上下文，導致錯誤率非常高。這兩種語言請務必使用大模型。
GeekLink 對中文和泰語使用了專門針對這些語言最佳化的專用識別引擎。它們無需你選擇模型大小就能持續提供高準確率。
不能。中文使用的是已針對普通話高度最佳化的專用引擎。切換模型大小不適用於中文識別。