Olign，Olewave 的手術刀級精準語音轉文字強制對齊服務
傳送錄音時，您可以附上逐字稿或 ASR 結果。如果兩者都沒有提供，Olign 會自行轉錄音訊。每個詞和每個音素都會回傳起訖時間，以及一個 0 到 100 的分數。
https://tycho.olewave.com
註冊並綁定信用卡，即可獲得 3,000 免費點數，以上市促銷價計算可處理 1,000 分鐘的音訊。綁定信用卡不會產生任何費用。Olign 目前為 Beta 版，註冊需要邀請碼，您可以向我們申請。
詞級時間戳記往往沒有看起來那麼準確。FA-Bench 論文量測了它們的偏差有多大。Whisper 標出的詞約提早 150 ms。八個商用語音轉文字 API 中，有七個把詞的起點標得偏晚，其中三個晚了超過 50 ms。強制對齊器的失敗方式不同。在加入背景噪音的 Buckeye 測試集上，Montreal Forced Aligner 3.4 對 4,513 個語句中的 354 個沒有回傳任何對齊結果。
我們打造 Olign，是為了在真實錄音上準確標出詞邊界，包括有噪音的錄音。
與人工標註對照評分的詞邊界
FA-Bench 給每個強制對齊器相同的逐字稿，並把每個詞邊界與人工標註員標出的邊界對照評分。在 TIMIT core-test 上，Olign 的詞邊界 F1 為 0.782，Montreal Forced Aligner 3.4 則為 0.644。F1 是這個基準測試的主要指標，因為它會把系統沒能標出的每個詞都算進去。平均絕對誤差會把這些詞排除在外。
無需逐字稿的時間戳記
如果不提供逐字稿，Olign 會自行轉寫音訊。僅憑音訊，它在 TIMIT core-test 上的詞邊界 F1 為 0.756，而基準測試中其他八個商用語音轉文字 API 裡分數最高的 Google Chirp 2 為 0.443。
在有噪音的音訊上依然可靠的對齊結果
在 Buckeye 測試集上，不論是乾淨音訊還是四種劣化條件，全部 22,565 個語句都得到了 Olign 的對齊結果。Montreal Forced Aligner 3.4 有 573 個語句沒有回傳任何結果。
可以自行查證的數字
本頁的每一項結果都來自 FA-Bench。Olign 和 FA-Bench 都由 Olewave 開發。Olign 的數字來自 2026 年 10 月紀錄中的 Olign 1.0，所有系統的數字都可以在 FA-Bench 排行榜上查看。FA-Bench 已在 GitHub 公開，並有一篇 arXiv 論文介紹。論文公布的是 Olign 0.9 的數字，它的 API 仍然開放使用，所以您可以重現論文中的數字，也可以對您目前的技術堆疊執行同一套基準測試。
音訊不能離開您的網路時，可自行託管
如果您的錄音必須留在自己的 VPC 內，我們可以和您討論自行託管的部署方式。
FA-Bench 上的詞級時間戳記準確度
fabench 協定，時間以 10 ms 為網格，並採用 bootstrap 計算 95 % 信賴區間。四個系統都在標準逐字稿賽道中執行，因此每個系統都拿到參考詞，量測的只有它的時間標註。這些數字不含任何辨識錯誤。兩個測試集都是留出集，且說話者互不重疊。TIMIT core-test 依語料庫文件的要求，不含 SA 句子。Buckeye 測試集共有 8 位說話者，語料庫的四個性別與年齡組別各取兩位，其語句清單已提交至儲存庫。吵雜是四種劣化條件的平均值，分別為殘響、噪音、音樂和多人交談雜音。對照的基準系統為 Montreal Forced Aligner 3.4.1、Qwen3-ForcedAligner-0.6B 和 WhisperX 3.8.6。完整結果請見 FA-Bench 排行榜。Olign 現已開放，支援美式與英式英語，並計畫加入更多語言。每分鐘音訊消耗 3.5 點，1,000 點為 1 美元，也就是每小時音訊 0.21 美元。上市促銷期間每分鐘 3 點，也就是每小時 0.18 美元。新帳號綁定信用卡後可獲得 3,000 免費點數。您可以把每段錄音作為一個任務送出，長度最長 3 小時。一小時的音訊約 4 分鐘即可處理完成。本頁的準確度數據是在美式英語上量測的。
註冊 · FA-Bench 論文 · FA-Bench 程式碼 · 用戶端函式庫
從 3,000 免費點數開始。
以上市促銷價計算，這可處理 1,000 分鐘的音訊，足以讓您用自己的錄音，把 Olign 與您現在使用的對齊器或 ASR 做比較。綁定信用卡即可領取點數，不會產生任何費用。如果您還沒有邀請碼，請向我們索取。
前往 tycho.olewave.com 註冊 →