Jika anda pernah merakam mesyuarat di Hong Kong dan memprosesnya melalui aplikasi transkripsi, anda pasti tahu bahawa bahasa Kantonis merupakan salah satu bahasa yang paling sukar untuk ditranskripsi dengan tepat. Ayat seperti "我想去 Causeway Bay 開會 prepare 一下 個 deck" mencampurkan bahasa Kantonis dan Inggeris dalam satu nafas — dan percampuran itulah yang mendedahkan had kebanyakan alat transkripsi.
Ini bukan isu yang terpinggir. Peralihan kod — bertukar antara bahasa Kantonis dan Inggeris di tengah-tengah ayat — adalah cara komunikasi harian dalam perniagaan, teknologi, dan kehidupan seharian di Hong Kong. Ini juga merupakan salah satu masalah teknikal yang paling mencabar dalam pengecaman suara bahasa Cina.
Kami telah menyusun perbandingan neutral dan praktikal bagi alat-alat transkripsi suara-ke-teks bahasa Kantonis utama pada 2026 — Google, Apple, Microsoft Azure, OpenAI Whisper, Otter.ai, iFLYTEK, ElevenLabs, dan Speechmatics — dengan meneliti ketepatan, peralihan kod, privasi, serta kemudahan penggunaan untuk pengguna biasa. Setiap alat mempunyai kelebihan tersendiri; matlamat kami adalah membantu anda memilih yang paling sesuai dengan keperluan anda.
Cara Ketepatan Diukur
Ketepatan transkripsi biasanya dilaporkan sebagai Word Error Rate (WER) atau Character Error Rate (CER) — peratusan perkataan atau aksara yang berbeza daripada rujukan yang betul. Semakin rendah semakin baik. Di bawah lebih kurang 5% adalah cemerlang; sekitar 20% bermakna pembersihan manual yang ketara diperlukan.
Penanda aras awam yang paling banyak dirujuk untuk bahasa Kantonis ialah set data Common Voice Yue — penutur Kantonis sebenar yang membaca dengan kuat. Berdasarkan Kantonis yang dibaca dengan jelas itu, ujian bebas telah melaporkan kadar ralat aksara berikut:
| Enjin | CER Dilaporkan (Common Voice Yue) | Nota |
|---|---|---|
| Apple (pada peranti) | ~7.4% | Berjalan secara tempatan pada Mac/iPhone |
| Google Cloud Speech-to-Text | ~11.4% | Model "yue-Hant-HK" |
| Microsoft Azure / Cognitive Services | ~22.5% | Alat pembangun yang kukuh |
Berdasarkan penanda aras ini, model Kantonis pada peranti Apple mendapat skor yang baik — CER yang dilaporkan adalah lebih kurang 35% lebih rendah daripada Google dan 67% lebih rendah daripada Microsoft pada set data tertentu ini, dan ia berjalan sepenuhnya pada peranti. Bagi seseorang yang mendiktekan Kantonis yang jelas ke dalam Mac, ia merupakan pilihan percuma yang benar-benar baik.
Satu peringatan penting: penanda aras ini mengukur Kantonis yang bersih, dibaca dengan kuat, penutur tunggal, tanpa sebarang bahasa Inggeris di dalamnya. Itulah bukan cara kebanyakan orang di Hong Kong sebenarnya bertutur.
Mengapa Peralihan Kod Adalah Ujian Sebenar
Common Voice menggunakan ucapan berhati-hati dan ekabahasa. Kantonis Hong Kong seharian adalah perbualan, cepat, dan bercampur dengan bahasa Inggeris:
"個 user feedback 話 個 flow 唔 make sense, 不如 我哋 sync 一 sync 先。"
Skor penanda aras pada Kantonis bersih memberitahu anda sedikit sahaja tentang bagaimana sesuatu alat mengendalikan ayat seperti itu. Kajian akademik mengenai percampuran kod Kantonis-Inggeris menunjukkan dua sebab mengapa ini sukar untuk mana-mana enjin:
- Bahasa Inggeris yang dituturkan dengan aksen Kantonis kedengaran berbeza daripada Inggeris "standard", yang boleh mengelirukan model bahasa Inggeris.
- Data latihan peralihan kod yang terhad — banyak sistem dilatih kebanyakannya pada Kantonis ekabahasa atau Inggeris ekabahasa, bukan campuran semula jadi.
Ini mempengaruhi seluruh bidang, bukan mana-mana jenama tunggal. Dalam ujian yang lebih luas, audio peralihan kod telah mengurangkan ketepatan merentasi alat-alat popular — satu kajian yang dilaporkan secara meluas mendapati penurunan ketepatan pada percampuran Sepanyol-Inggeris. Kesimpulan praktikal: untuk audio Hong Kong, bagaimana sesuatu alat mengendalikan Inggeris-dalam-Kantonis lebih penting daripada skor penanda aras utamanya.
Alat-Alat, Satu Persatu
Otter.ai
Otter adalah salah satu aplikasi transkripsi yang paling popular secara keseluruhan, dengan ciri mesyuarat dan ringkasan yang cemerlang. Sehingga 2026, transkripsinya tertumpu kepada bahasa Inggeris dan tidak menawarkan transkripsi bahasa Kantonis. Jika anda mencari khususnya untuk Kantonis, anda memerlukan alat dengan sokongan asli.
OpenAI Whisper
Whisper menyokong pelbagai bahasa yang sangat luas dan boleh metranskripsi bahasa Kantonis. Secara lalai, ia cenderung menghasilkan bahasa Cina standard bertulis (contohnya "他們" bukannya bahasa mulut "佢哋"). Model Kantonis yang ditala oleh komuniti wujud yang mengekalkan output mulut, tetapi menggunakannya memerlukan beberapa persediaan teknikal, jadi Whisper paling sesuai untuk pembangun dan pengguna mahir berbanding seseorang yang hanya ingin membuka aplikasi.
Google Cloud Speech-to-Text
Model "yue-Hant-HK" Google berskala dengan baik dan merupakan pilihan kukuh untuk draf pantas dan pemprosesan automatik berjumlah besar dalam Google Cloud. Seperti kebanyakan enjin automatik, output mentah biasanya mendapat manfaat daripada semakan semula, dan Inggeris dalam peralihan kod mungkin memerlukan pembersihan. Ini adalah produk API/pembangun dan bukan aplikasi pengguna.
Microsoft Azure AI Speech
Azure menawarkan alat pembangun yang kukuh dan integrasi bersih dengan aliran kerja awan Microsoft, menjadikannya pilihan popular untuk pasukan kejuruteraan. Dokumentasinya menyatakan bahawa output Kantonis mendapat manfaat daripada semakan di mana peralihan kod terlibat. Seperti Google, ia ditujukan kepada pembangun yang membina aplikasi mereka sendiri.
iFLYTEK (科大訊飛)
iFLYTEK adalah syarikat AI suara yang terkemuka dan telah melabur dengan banyak di Hong Kong. Kini ia menawarkan sokongan Kantonis yang ditujukan terus kepada pasaran tempatan — termasuk Sistem Persidangan Pelbagai Bahasa iFLYREC (Edisi Hong Kong & Macao) dan penyelesaian mesyuarat yang membolehkan pengguna bertukar antara Kantonis, Putonghua, dan Inggeris, serta pilihan on-premises dan perkakasan penterjemah. Ia adalah pilihan yang berkebolehan dan serius, terutamanya untuk penempatan perusahaan dan persidangan di mana pengehosan on-premises atau perkakasan khusus sesuai dengan aliran kerja.
ElevenLabs Scribe & Speechmatics
Kedua-duanya adalah enjin suara-ke-teks yang kukuh dan moden. ElevenLabs meletakkan Kantonis dalam peringkat ketepatan yang lebih tinggi, dan Speechmatics mengiklankan ketepatan tinggi dengan kependaman rendah. Kedua-duanya adalah perkhidmatan awan, berbayar, API-dahulu terutamanya — blok binaan yang cemerlang untuk pembangun, dengan audio diproses dalam awan.
Ringkasan Perbandingan
| Alat | Sokongan Kantonis | Paling Sesuai Untuk | Berjalan Pada Peranti | Akses Tipikal |
|---|---|---|---|---|
| Otter.ai | Tertumpu Inggeris | Mesyuarat dalam Inggeris | Tidak | Aplikasi langganan |
| Apple Dictation | Ya (kukuh pada audio bersih) | Dikte pada Mac/iPhone | Ya | Terbina dalam, percuma |
| Google Cloud STT | Ya | Pembangun, draf berjumlah besar | Tidak | API / bayar-mengikut-penggunaan |
| Microsoft Azure | Ya | Pembangun, aliran kerja MS | Tidak | API / bayar-mengikut-penggunaan |
| OpenAI Whisper | Ya (→ Cina bertulis) | Pembangun, pengguna mahir | Ya (teknikal) | Sumber terbuka / hos sendiri |
| iFLYTEK | Ya (tiga bahasa HK) | Perusahaan, persidangan | Pilihan on-prem | Perusahaan / perkakasan |
| ElevenLabs / Speechmatics | Ya | Pembangun | Tidak | API berbayar |
| Traverba | Ya (ditala untuk HK) | Pengguna harian | Ya | Aplikasi percuma |
Tiada satu yang "terbaik" — ia bergantung kepada apa yang anda lakukan. Seorang pembangun yang membina produk akan menyukai Whisper atau Azure. Penganjur persidangan mungkin paling sesuai dilayan oleh sistem khusus iFLYTEK. Pengguna Mac yang mendiktekan Kantonis bersih sudah mempunyai Apple terbina dalam secara percuma.
Tiga Soalan untuk Memilih yang Tepat
1. Berapa banyak bahasa Inggeris dalam audio anda? Jika rakaman anda kebanyakannya adalah Kantonis bersih, penanda aras utama adalah panduan yang wajar. Jika ia penuh dengan Inggeris di tengah-tengah ayat — seperti kebanyakan mesyuarat Hong Kong — utamakan alat yang dibina atau ditala khusus untuk peralihan kod.
2. Di mana audio anda diproses? Transkripsi awan bermakna memuat naik rakaman anda ke pelayan pihak ketiga. Untuk mesyuarat sensitif, audio perubatan, atau undang-undang, pemprosesan pada peranti memastikan data kekal pada telefon atau komputer anda.
3. Seberapa teknikal anda? Whisper, Azure, dan enjin API adalah alat pembangun. Sistem persidangan iFLYTEK adalah penempatan perusahaan. Jika anda hanya ingin membuka aplikasi, tekan rekod, dan membaca transkrip, anda memerlukan aplikasi pengguna yang direka untuk itu.
Di Mana Traverba Sesuai
Traverba dibina untuk kumpulan terakhir itu — pengguna harian yang mahukan sesuatu yang mudah. Tiada kunci API, tiada akaun awan, tiada pelancaran perusahaan. Anda buka aplikasi, dan ia berfungsi.
Fokusnya adalah bahasa yang sebenarnya dituturkan oleh orang di Hong Kong: Kantonis bercampur Inggeris. Daripada menganggap Inggeris sebagai sesuatu yang perlu dibuang, Traverba ditala pada corak ucapan tempatan — Inggeris di tengah-tengah ayat, nama jenama, dan slanga dalam perbualan sebenar. Dan kerana ia memproses pada peranti, audio anda kekal bersama anda dan tidak dimuat naik ke pelayan.
Traverba tidak cuba menggantikan sistem persidangan perusahaan atau pentranskrip manusia profesional — mereka mempunyai tempat masing-masing. Ia dibina untuk situasi harian di mana Kantonis dan Inggeris bercampur dan anda hanya memerlukan teks yang boleh dibaca, dengan cepat, pada telefon anda sendiri.
Cuba Sekarang
Traverba percuma pada kedua-dua platform — terjemahan suara, terjemahan kamera, terjemahan skrin, dan terjemahan teks semuanya percuma dan tanpa had.
Tersedia di Google Play dan App Store. Ketahui lebih lanjut di traverba.com.
Setiap alat dalam perbandingan ini mempunyai kelebihan tersendiri. Jika apa yang anda perlukan adalah aplikasi mudah, pada peranti, yang ditala untuk Kantonis-dan-Inggeris Hong Kong harian, Traverba dibina tepat untuk itu.
Angka ketepatan yang dirujuk di atas diambil daripada penanda aras ASR Kantonis awam pada set data Common Voice Yue dan penyelidikan yang diterbitkan mengenai peralihan kod Kantonis-Inggeris. Sokongan ciri dan bahasa mencerminkan tawaran setiap pembekal sehingga Jun 2026 dan mungkin berubah. Ketepatan dunia sebenar berbeza mengikut kualiti audio, loghat, dan jumlah bahasa Inggeris dalam perbualan; kami menggalakkan pembaca menguji alat-alat ini dengan audio mereka sendiri.