开会录音、网课笔记、采访整理……每天有大量语音内容需要转成文字。以前靠人工听写，费时费力。现在AI转录工具已经成熟了，我测了三个主流工具，今天把对比结果放出来。
三个工具的基本情况
讯飞听见
科大讯飞出品，中文语音识别的"老大哥"。2015年就上线了，技术积累最深。支持普通话、英语、粤语等12种语言，有网页版和APP。
免费额度：每月3小时。付费版从29元/月起。
Notta
日本公司做的AI转录工具，2024年进入中国市场。主打"实时转录+AI摘要"，支持58种语言。界面很干净，操作简单。
免费额度：每月30分钟。付费版从9.99美元/月起。
通义听悟
阿里达摩院出品，2023年上线。除了转录，还支持视频理解、会议纪要自动生成。跟钉钉深度集成，企业用户用着方便。
免费额度：每天2小时（需要阿里云账号）。
中文识别准确率实测
我用一段15分钟的中文会议录音做了测试。内容包含日常对话、技术术语（比如"微服务架构""容器化部署"）和少量方言口音。
讯飞听见：准确率最高，技术术语基本都识别对了。方言口音也能较好处理。整体准确率大概95%以上。
通义听悟：准确率和讯飞差不多，技术术语识别也很好。稍微弱一点的地方是处理口音的时候，偶尔会漏字。整体准确率约93%。
Notta：中文识别比前两个差一截。技术术语错误较多，口音处理也不太行。整体准确率约85%。不过它的英语识别反而比中文好。
AI功能对比
现在光转录已经不够了，AI功能才是拉开差距的地方。
自动摘要
通义听悟最强。转录完成后自动生成结构化会议纪要，包括"待办事项""关键决策""讨论要点"三个板块。讯飞听见也有摘要功能，但需要手动触发，而且摘要质量不如通义。Notta的摘要功能比较基础，只是简单提取几句话。
说话人分离
三个工具都支持。讯飞和通义的识别准确率都在90%以上，偶尔会把一个人的话拆成两个人。Notta在这方面比较弱，多人会议的时候经常搞混。
翻译功能
Notta的翻译功能最实用，支持实时双语对照。讯飞也有翻译，但只支持转录后翻译。通义听悟目前不支持实时翻译。
使用体验
讯飞听见：功能全，但界面有点老派。操作逻辑偏传统软件，学习成本不高但体验不够现代。
Notta：界面最干净，操作最流畅。打开就用，不需要教程。但功能相对简单，适合轻度用户。
通义听悟：功能最丰富，但有些功能藏得比较深。跟钉钉集成后体验很好，独立使用的话需要适应一下。
怎么选？
如果你主要转录中文会议、对准确率要求高：选讯飞听见。中文识别这块它确实领先。
如果你需要实时转录+翻译，或者团队在用钉钉：选通义听悟。AI功能最强，而且免费额度最多。
如果你主要处理英语内容，或者只是偶尔用一下：选Notta。界面好看，上手快，轻度使用免费额度也够。
我自己的选择是通义听悟做主力（会议纪要自动生成功能太香了），讯飞听见做备选（处理特殊口音的时候更准）。两个搭配用，覆盖了我99%的转录需求。