日语转写会把语音转换成日文文本。如果你在比较语音转文字工具,先看评分方法和测试中使用的音频类型。朗读句子的低错误率并不能说明某个工具会如何处理你的会议、访谈、专有名词或地区口音。
日语转写不同于日语到英语翻译,也不同于把日语罗马化为拉丁字母。日本的2025 罗马化指南针对的是后者;它不会改变语音识别准确率。本指南涵盖日语音频转日文文本,以及评估它的实用方法。
要点总结
- 日语语音识别通常使用字符错误率(CER)评分。词错误率(WER)需要日语分词器,因此要用同一标准进行比较。
- 2023 年的一项语音识别研究在允许合理的替代拼写后,将 CER 降低了 2.4 到 3.1 个百分点。其 25.16% 的结果是某个语音搜索数据集上的相对错误率下降,而不是所有错误中“有效错误”的占比。
- 来自2022 年多方言研究系统的方言结果说明了为什么你应该测试自己真正需要的语言变体。它们并不能预测某个商业工具的表现。
- MirrorCaption 提供日语转写,但它没有公布日语 CER,也不导出带时间轴的 SRT 或 VTT 文件。
为什么日语基准使用 CER
书面日语的普通词语之间没有空格。要计算 WER,评估者必须先为参考文本和转写文本选择分词边界;即使读者理解的是同一句话,不同的分词方式也会造成不一致。CER 比较的是字符,因此避开了这一步。Karita、Sproat 和 Ishikawa 的论文同时报告了这两种指标,并解释了这一限制。
CER 仍然是相对于参考文本的编辑距离分数。5% 的 CER 和 5% 的 WER 分母不同。两者都不能作为你音频的通用“95% 准确”保证。当供应商公布日语百分比时,要问清楚是哪种指标、归一化方式、模型版本和测试集产生了这个结果。例如,ElevenLabs 公布的是日语 WER,而AssemblyAI 的多语言表格将日语标为 CER;这些数值不能直接比较。
替代拼写会如何改变分数
日语允许某些词有不止一种惯用拼写。固定的参考文本可能会把一个合理的汉字或假名选择标记为错误。2023 年的研究为参考转写构建了合理改写的格结构,并将同一个识别器与原始参考和扩展参考进行比较。在三个研究领域中,CER 下降了 2.4 到 3.1 个百分点;在其语音搜索数据集上,降幅为相对于原始错误率的 25.16%。识别器本身并没有变得更好。
三位经过训练的评审者评估了该研究 YouTube 领域中的 913 个候选拼写变体。他们认为 95.4% 是合理的,16%“很棒”或优于原始措辞。这些是对候选变体的评分,并不意味着引擎的 95.4% 错误都无害。论文还指出,文体和语域会影响某种拼写是否适合特定语境。对于你将要发布的转写稿,请自行检查姓名、技术术语和预期写作风格。
如何在同一任务上比较引擎
如果供应商基准公开了测试音频、评分方法、模型版本和运行日期,它就很有参考价值。例如,AssemblyAI 当前的基准将多语言 FLEURS 与 Common Voice 分开,并解释了其归一化方式。其结果和模型列表会变化,因此复制来的排名很快就会过时;而且它既是基准运营方,也是参与者。可以先用公开表格筛选候选项,再用你自己工作流中的相同片段进行测试。
- 选择一段简短、已获同意的样本,包含你在生产环境中预期会遇到的麦克风、房间噪音、说话人和方言。
- 写出参考转写,包括你对姓名和领域术语实际需要的拼写。
- 用同一个文件运行每个候选工具,并记录其模型、设置、输出格式和处理时间。
- 将会改变含义的词语和遗漏,与可接受的假名或汉字变体分开审查。对有争议的片段保留原始音频可供核对。
我们的转写工具对比涵盖更广泛的跨工具测试。本日语指南重点说明,在你阅读排名之前,评分单位和拼写政策为什么重要。
方言与混合语言录音
在Imaizumi 及其同事 2022 年的研究中,一个只用标准日语训练的研究模型,在他们的方言测试上得到了 52.5% 的 CER,在标准测试上得到了 14.3%。把这种常规模型同时用两类语音训练后,方言 CER 降至 8.0%,而标准 CER 变为 14.9%。作者还测试了方言感知方法,其中一种同时改进了两组结果。这些数字描述的是他们的数据集和系统;它们并不衡量 MirrorCaption、关西方言,或任何其他地区变体。
如果录音包含地区口音,请在评估中抽样这些语音,而不要只依赖一个笼统的“支持日语”标签。对于在日语和英语之间切换的录音,请测试切换点,并检查每个片段是用哪种语言写成的。语言提示或单一选定源语言,并不能证明可靠的代码切换。有关语言支持与自动语言检测的区别,请参阅我们的多语言音频转写指南。
MirrorCaption 为日语提供什么
日语是 MirrorCaption 实时转写和文件转写中可选的语言。实时会话会在语音进行时流式输出文本;文件转写则返回异步结果。可选翻译是与日语转写分开的步骤。请参阅实时与文件转写来选择工作流程。
- 已公布的准确率:我们尚未公布日语 CER 基准。在依赖输出之前,请先测试你自己的音频。
- 方言与拼写控制:没有日语方言、振假名、罗马字或输出脚本选择器。请检查返回的汉字、平假名、片假名和专有名词。
- 导出:会话转写可导出为 Markdown、纯文本或 JSON。MirrorCaption 目前不导出带时间轴的 SRT 或 VTT 字幕文件。
- 混合音频:文件流程会将所选源语言作为提示传入。请手动检查双语片段;不要假设整段录音会被正确按语言分段。
- 正式用途:输出内容不是经过认证或宣誓的转写。在法律或受监管提交前,请先确认接收机构的要求。
符合条件的新账户可以试用免费的转写额度。当前付费选项和包含时长见定价页面;购买前请先查看,因为套餐详情可能会变化。
常见问题
为什么日语语音转文字基准使用 CER?
日语通常没有词间空格,因此 WER 需要先做分词选择,而这会影响分数。CER 则是在不先分词的情况下比较字符。两者仍然都依赖参考文本和归一化规则。
25.16% 的研究结果是否意味着四分之一的转写错误都无害?
不是。在一个语音搜索测试集上,2023 年的研究通过允许合理的替代拼写,将 CER 相对原始分数降低了 25.16%。这个结果不能被当作其他模型、数据集或录音中错误比例的通用分数。
日语转写能处理地区方言吗?
这取决于语音和模型。2022 年的一项研究发现,在其自有数据集上,只用标准日语训练与包含方言训练之间存在很大差异。请测试你实际的方言并检查转写结果;MirrorCaption 没有方言选择器,也没有公布方言基准。
MirrorCaption 会返回汉字、平假名还是罗马字?
它会返回日文文本,但没有脚本选择器。你可以预期正常的混合日文书写形式,并检查姓名和专业术语。MirrorCaption 没有振假名或罗马字输出设置。
我可以把日语字幕导出为 SRT 或 VTT 吗?
MirrorCaption 可以导出转写文本和 JSON,但目前不导出带时间轴的 SRT 或 VTT。如果你需要成片的定时字幕,请使用字幕编辑器。
如果我的录音在日语和英语之间切换怎么办?
请在具有代表性的文件上测试切换点,并检查每个语言片段。将日语作为文件语言提示,并不能保证代码切换准确。