Whisper Large-v3 vs Breeze-ASR-25：台灣中文與中英混用 ASR 怎麼選？
比較 Scribis 已整合的 Whisper Large-v3 與 Breeze-ASR-25，解析台灣中文、繁體中文、中英 code-switching、字幕時間戳與 benchmark，找出適合影片轉錄的模型。
文章定位： Whisper Large-v3 與 Breeze-ASR-25 都已整合到 Scribis。本文比較兩者在台灣中文、中英混用、字幕時間戳與一般多語轉錄上的差異，也會說明 Breeze 相關論文中的 Twister 不等同 Breeze-ASR-25 本身。
先講結論：Whisper 是通用基線，Breeze 更聚焦台灣中文
Whisper Large-v3 是 OpenAI 推出的多語言語音辨識模型，具備成熟工具鏈和廣泛的本地部署經驗；Breeze-ASR-25 則是 MediaTek Research 基於 Whisper-large-v2 微調的模型，專門強化繁體中文、台灣中文、中英混用與時間戳對齊。
如果你處理的是英文、多語影片或想要一個廣泛驗證過的基線，Whisper Large-v3 很適合；如果內容主要是台灣中文、訪談、課程、Podcast，且常出現英文品牌、技術詞或句內中英切換，Breeze-ASR-25 值得優先測試。兩者都已整合到 Scribis，因此可以在同一個影音工作流中比較逐字稿、字幕節奏和人工校對時間。
Breeze-ASR-25 解決什麼問題？
Breeze-ASR-25 的官方模型卡指出，它以 Whisper-large-v2 為基礎，針對台灣 Mandarin、繁體中文、中英 code-switching 和自動字幕的時間對齊進行強化。 這個定位和「通用多語模型」不同：Breeze 不一定要在所有語言都贏，而是希望在台灣使用者真正會遇到的中文與混合語音情境中更實用。
中英混用值得特別說明。台灣的會議、科技課程與商務訪談經常在中文句子中插入英文產品名、縮寫或專有名詞，例如模型名稱、軟體工具、程式碼和公司品牌。若模型把英文當成中文音節，或錯誤翻譯成中文，最後的字幕就需要大量修正。Breeze-ASR-25 將句內與句外 code-switching 都列為優化方向，這使它成為 Whisper Large-v3 很有意義的比較對象。
| 比較項目 | Whisper Large-v3 | Breeze-ASR-25 |
|---|---|---|
| 基礎定位 | 通用多語 ASR 基線 | 台灣中文／中英混用專項微調 |
| 公開架構 | Whisper encoder-decoder | 基於 Whisper-large-v2 微調 |
| 主要語言重點 | 多語言 | 繁體中文、台灣中文、英文混用 |
| 字幕場景 | 可搭配 timestamp 工具 | 官方特別強調時間戳對齊與字幕 |
| 優勢 | 生態成熟、文件與工具多 | 台灣中文與 code-switching 方向明確 |
| Scribis 狀態 | 已整合 | 已整合 |
台灣中文 benchmark：不要把 Twister 寫成 Breeze
MediaTek 相關論文提出 Twister，一個透過 TTS 合成資料與 self-refining framework 改良 Whisper-large-v2 的研究模型。論文使用 6,000 小時未標註語音、文字資料和 BreezyVoice 合成內容，報告 Twister 在普通話和中英混用 benchmark 上降低錯誤率；這是 Twister 的結果，不能直接寫成 Breeze-ASR-25 的結果。
在論文 Table IV 中，CommonVoice16-zh-TW 的 MER 為 Whisper-large-v2 auto 9.84、Whisper-large-v3 8.95、Twister 7.97；CSZS-zh-en 的 MER 為 Whisper-large-v2 auto 29.49、Whisper-large-v3 26.43、Twister 13.01，相對 WERR 為 55.88%。這組數字可以用來說明台灣中文和 code-switching 微調的價值，但文章必須精確標示模型名稱與來源。
| 研究資料 | Whisper-large-v2 auto | Whisper-large-v3 | Twister | 說明 |
|---|---|---|---|---|
| CommonVoice16-zh-TW MER | 9.84 | 8.95 | 7.97 | 台灣中文短音訊；論文 Table IV。 |
| CSZS-zh-en MER | 29.49 | 26.43 | 13.01 | 中英混用；Twister 相對 WERR 55.88%。 |
| ML-lecture-2021-long MER | 6.13 | 6.41 | 4.98 | 台灣課程長音訊。 |
Whisper Large-v3 的優勢仍然很重要
Breeze 聚焦台灣中文，不代表 Whisper Large-v3 沒有價值。Whisper 的模型權重、量化版本、faster-whisper、WhisperX、字幕工具和社群範例都非常成熟；當專案需要英文、多語或跨平台支援時，成熟度本身就是成本優勢。第三方 ASR Leaderboard 的 English short-form 測試中，Whisper Large-v3 平均 WER 為 7.44%、RTFx 為 146；這個結果是固定資料集和硬體下的基線，不代表台灣中文表現。
Breeze-ASR-25 的優勢則是「更接近台灣內容」。但在真正使用前，仍要測試人名、地名、數字、英文專有名詞、口語贅詞、多人交談和長訪談。模型說明裡的「強化」不等同每一個使用者資料集都會下降相同比例的錯誤率。
在 Scribis 中建立你的台灣中文 A/B test
建議把一段 5 至 15 分鐘的台灣中文素材匯入 Scribis，分別使用 Whisper Large-v3 與 Breeze-ASR-25。第一輪看文字錯誤：中文同音字、數字、英文品牌名和專有名詞；第二輪看字幕體驗：句子切分、每行長度、時間戳、說話者與匯出後是否需要大量手動調整。
如果 Breeze 讓人工校對時間下降，即使它在某個英文公開 leaderboard 沒有排名第一，也可能更適合台灣影片製作。反過來，如果你的素材主要是英文、日文或多語混合，Whisper 的廣泛生態可能更有彈性。Scribis 的價值是把這個比較放進轉錄、字幕、翻譯和匯出流程，而不是只提供一張模型排行榜。
FAQ
Breeze-ASR-25 是不是 Whisper 的新版？
不是。Breeze-ASR-25 是基於 Whisper-large-v2 微調、針對台灣中文與中英混用強化的模型；Whisper Large-v3 是 OpenAI 的較新通用模型。兩者有關聯，但不是同一個 checkpoint。
Breeze-ASR-25 適合台灣口音嗎？
它的官方定位就是台灣 Mandarin、繁體中文與中英混用，值得作為台灣口音候選；但不同地區、年齡、語速與錄音品質仍會造成差異，應用自己的素材測試。
Twister 是 Breeze-ASR-25 嗎？
不是。Twister 是論文中的 TTS-enhanced Whisper 研究模型；Breeze-ASR-25 是 MediaTek Research 的另一個公開模型。文章和 SEO 內容不應把兩者當成同一模型。
結論：用 Whisper 做通用基線，用 Breeze 找台灣中文優勢
Whisper Large-v3 適合作為成熟、多語和工具生態的通用基線；Breeze-ASR-25 則適合台灣中文、中英混用和字幕時間軸優先的內容。兩者都已整合到 Scribis，最實際的方式不是預先認定誰一定最好，而是用同一批台灣素材比較 WER／MER、專有名詞、字幕切句和人工校對時間。
圖：此圖呈現 Twister 論文的 MER，不是 Breeze-ASR-25 本身的 benchmark；MER 混合中文 CER 與英文 WER。
CTA： 如果你正在整理台灣中文訪談、課程或影片字幕，可以使用 Scribis.app 直接比較 Whisper Large-v3 與 Breeze-ASR-25，再把最適合的結果匯出成字幕或逐字稿。