Orchard

你好 Product Hunt 👋 我是 Mateo,Orchard 的创始人。

我们找到的每一个语音转文字基准测试,衡量的都是英语录音棚里的单人朗读,配一支好麦克风。而我们的用户在哥伦比亚、阿根廷、墨西哥和秘鲁转录呼叫中心的通话:两个人互相打断、背景有 IVR 语音菜单、线路嘈杂。那些排名什么也预测不出来。

于是我们自己搭建了一个基准:13 段真实的拉丁美洲通话、7 个引擎,音频、参考标注和评分代码全部公开。

我们总排名第四,与第一名相差 3 个 WER 点。我们还是把结果发布了出来,因为一个发布方包揽所有冠军的基准,对谁都没有意义。

但总体数字掩盖了我们最关心的部分。在 4 段留出测试通话——也就是最难的那一组上:

• 由人工转录,且从未公开发表,所以没有任何引擎可能在它们上面训练过

• 两个人轮流说话,话语重叠,5 分钟内最多 62 轮对话

• 来自阿根廷和哥伦比亚的真实录音通话

在这些通话上,Orchard 在 7 个引擎中排名第二;而在最长、最混乱的那一段(5 分钟、62 轮对话、1012 个词)上排名第一。这才是我们的用户真正上传的音频。

我们优化的是每美元的准确率:

• 批量转录 $0.025/小时

• 含词级说话人分离的转录 $0.036/小时

• 每美元准确率比 Soniox 高 2.7 倍,比 AssemblyAI 高 4.6 倍,比 Deepgram 高 17 倍(均为标价,且都包含说话人分离)

它兼容 OpenAI 接口,所以切换只需改一行(baseURL)。另外还有 TypeScript SDK、Vercel AI SDK provider、MCP server 和 n8n 模板。我们绝不会用你的音频来训练。

它还不能做什么:没有实时流式处理,我们只做批量。在那些困难通话上的说话人归属,我们仍然落后于头部厂商,这也是我们下一步要重点修复的。还有我们的葡萄牙语效果不如西班牙语。

注册即送 500 分钟免费额度,无需信用卡。

今天我最希望从你们这里得到的是:把你们手上最难的音频丢过来(差线路、串话、重口音),告诉我它在哪里崩了。我会全天在线,所有问题都会回答。