GLOSSARY
语音识别（ASR）
把语音转成文本——会议转写、语音助手与字幕工具的底层能力，清晰语音的准确率已接近人类。
现代自动语音识别是一条深度学习管线：音频编码器（多属 Whisper 一脉的 Transformer 结构）把声音映射为表征，解码器再转成词，并附标点、大小写甚至说话人标签。噪声、口音、重叠说话人与领域术语仍是准确率的杀手。
在本目录中，ASR 是一整个产品家族的隐形引擎：会议记录（Otter、Fireflies）、播客编辑（Descript）、字幕生成（VEED、Captions）与语音界面。在它们之间选择，主要看转写之外的工作流——摘要、行动项、编辑——因为原始准确率的差距已急剧缩小。