Olign，Olewave 推出的柳叶刀般精准的语音转文字强制对齐服务
提交一段录音，并附上它的转写文本或 ASR 结果。如果两者都没有，Olign 会自行转写音频。每个词和每个音素返回时，都带有起止时间和一个 0 到 100 的分数。
https://tycho.olewave.com
注册并绑定信用卡，即可获得 3,000 免费积分，按发布促销价可处理 1,000 分钟的音频。绑定信用卡不会产生任何费用。Olign 目前为 Beta 版，注册需要邀请码，您可以向我们申请。
词级时间戳往往没有看上去那么准确。FA-Bench 论文测量了它们的偏差有多大。Whisper 标出的词位置大约提前了 150 ms。八个商用语音转文字 API 中，有七个把词的起点标得偏晚，其中三个晚了 50 ms 以上。强制对齐器的失败方式不一样。在加入背景噪声的 Buckeye 测试集上，Montreal Forced Aligner 3.4 对 4,513 条语句中的 354 条没有给出任何对齐结果。
我们开发 Olign，是为了在真实录音上准确标出词边界，包括带噪声的录音。
与人工标注对照评分的词边界
FA-Bench 给每个强制对齐器相同的转写文本，并把每个词边界与人工标注员标出的边界对照评分。在 TIMIT core-test 上，Olign 的词边界 F1 为 0.782，Montreal Forced Aligner 3.4 为 0.644。F1 是该基准的主要指标，因为它会把系统没能定位的每个词都计算在内。平均绝对误差会把这些词排除在外。
无需转写文本的时间戳
如果不提供转写文本，Olign 会自己转写音频。仅凭音频，它在 TIMIT core-test 上的词边界 F1 为 0.756，而基准中其他八个商用语音转文字 API 里得分最高的 Google Chirp 2 为 0.443。
在嘈杂音频上依然可靠的对齐结果
在 Buckeye 测试集上，包括干净音频和四种降质条件下的音频，Olign 为全部 22,565 条语句都返回了对齐结果。Montreal Forced Aligner 3.4 对其中 573 条没有返回任何结果。
您可以自行验证的数字
本页的每一项结果都来自 FA-Bench。Olign 和 FA-Bench 都由 Olewave 开发。Olign 的数字来自 2026 年 10 月记录中的 Olign 1.0，所有系统的数字都可以在 FA-Bench 排行榜上查看。FA-Bench 已在 GitHub 上公开，并且有一篇 arXiv 论文对它做了介绍。论文报告的是 Olign 0.9 的数字，它的 API 仍然可用，因此您可以复现论文中的数字，并用同一个基准测试您当前的技术栈。
音频不能离开您的网络时，可以自托管
如果您的录音必须留在自己的 VPC 内，我们可以和您商讨自托管部署。
FA-Bench 上的词级时间戳准确度
fabench 协议，在 10 ms 的时间网格上进行，并给出自助法（bootstrap）95 % 置信区间。四个系统都运行在金标准转写（gold-transcript）赛道中，所以每个系统拿到的都是参考词，只衡量它们的时间标注。这些数字不含任何识别错误。两个测试集都是留出集，且说话人互不重叠。按语料库文档的要求，TIMIT core-test 不包含 SA 句子。Buckeye 测试集包含 8 位说话人，来自语料库按性别和年龄划分的四个组，每组两位。其语句列表已提交到代码仓库。“嘈杂”取四种降质处理的平均值，分别是混响、噪声、音乐和多人交谈声。基线系统为 Montreal Forced Aligner 3.4.1、Qwen3-ForcedAligner-0.6B 和 WhisperX 3.8.6。完整结果见 FA-Bench 排行榜。Olign 现已开放，支持美式英语和英式英语，更多语言正在规划中。每分钟音频消耗 3.5 积分，1,000 积分为 1 美元，即每小时音频 0.21 美元。发布促销期间每分钟 3 积分，即每小时 0.18 美元。新账号绑定信用卡后可获得 3,000 免费积分。您把每段录音作为一个任务提交，录音最长 3 小时，一小时的音频约 4 分钟即可处理完成。本页的准确度数据是在美式英语上测得的。
注册 · FA-Bench 论文 · FA-Bench 代码 · 客户端库
从 3,000 免费积分开始。
按发布促销价，这可处理 1,000 分钟的音频，足以让您用自己的录音，把 Olign 与您现在使用的对齐器或 ASR 做一次对比。绑定信用卡即可领取积分，不会产生任何费用。如果您还没有邀请码，可以向我们索取。
前往 tycho.olewave.com 注册 →