开源语音识别模型GLM-ASR测试：为何不如B站AI字幕？

作者在实际测试中发现，开源语音识别模型GLM-ASR-Nano-2512在词汇覆盖上存在不足，如未能识别“职务类犯罪”等术语，而B站自带的AI语音字幕系统则表现更优。作者分享了使用glm-4.6模型的个人经验，认为其代码知识库更丰富，并推荐vscode作为Python开发环境。尽管官方文档支持自定义词典功能，但实际配置方法尚不明确。该模型作为语音识别领域的开源突破，性能优于whisper，但仍有改进空间。此外，用户还探讨了AI工具的选择，如deepseek和gemini，并澄清了z-image模型的归属问题。此讨论为AI语音识别技术提供了有价值的实践洞察，帮助开发者了解开源模型的优缺点和应用场景。