| 维度 | GPT-SoVITS | FunASR | whisper.cpp |
|---|---|---|---|
| 用途 | 语音识别 | 语音识别 | 语音识别 |
| 部署形态 | 单机 | 单机 | 单机 |
| 纯内网 | 是 | 是 | 是 |
| 显存门槛 | 8G | 8G | 无 |
| 部署难度 | ●●●○○ | ●●○○○ | ●○○○○ |
| 许可 | MIT | MIT | MIT |
| 成本 | 自建免费 | 自建免费 | 自建免费 |
| 中文 | 是 | 是 | 是 |
| 扫描件 OCR | 否 | 否 | 否 |
| 批量 | 是 | 是 | 是 |
| 多人协作 | 否 | 否 | 否 |
| 要注意 | 训练流程长、参数敏感；跨语种和长句效果不稳定，得逐条听。 | 长音频要自己切分和拼接，热词表要按业务调，否则专有名词错得离谱。 | 没标点、没说话人分离，中文专有名词准确率低于国内方案。 |