日语识别最准确的ASR模型是哪一个？
比 whisper 更好的选择是哪一个？
最适合用于番剧识别的 ASR 模型是哪一个？
哪一个模型最适合专业领域？
哪一个模型日英混合时处理的最好？
你将在这个视频中得到答案。
因为做字幕软件 haoone 的缘故，为了给用户使用最合适的日语 ASR模型，我测评了10 个 ASR 模型，包括 2026 新出的 ASR 模型：qwen3-asr-1.7B、whisper-large-v3、sense-voice、vibevoice-asr、qwen3-asr-0.6B、fun-asr-nano、glm-asr-nano、cohere-transcribe、parakeet-tdt-0.6b-ja、granite-speech-4.1-2b
评测数据集是浩叔自己收集的，非官方数据集，复杂场景会偏多，整体分数会低于标准数据集。
日语的识别难度是大于汉语与英语的，最重要的是考虑识别的稳定性，像 whisper、vibe voice asr都有不太稳定的情况出现。
没有考察断句、标点、时间戳，这些部分都是可以二次处理的。
