NativeCall 品質報告 · 更新至 2026 年 10 月 3 日 UTC
翻譯內容、播放速度與日語辨識
姓名、日期與數字有沒有保留？翻譯多久開始播放？以下用實測結果回答，並列出每項測試的日期、樣本和方法。
2026-10-03 UTC · 固定文字測試
把姓名、日期與數字逐項核對
117 / 120
保留全部預先指定關鍵資料
6
翻譯方向：英語、普通話、廣東話 ↔ 日語
使用 120 句固定的模擬電話文字，每個方向 20 句，核對姓名、日期、時間、金額、數量與否定意思。這是文字翻譯診斷測試。
完整結果與評分方式
120 次請求均有回傳。AI 代理逐句評閱：112 句未發現意思問題、5 句有輕微表達差異、3 句有重要資料或意思錯誤。關鍵資料保留數 117 包含那 5 句輕微差異，不能將兩組數字相加。
3 個重要錯誤涉及重複扣款退款意思、姓氏及日圓幣別。測試保留全部結果，未挑選成功句子。採用受保護的文字診斷路徑及指定保留資料的測試語境。
近期實際通話 · 伺服器計時
翻譯開始播放的時間
傳給電話接聽者 · 中位數
2.87 秒
p95 8.87 s · 36 回合
傳回 App 撥話者 · 中位數
3.38 秒
p95 12.02 s · 32 回合
由系統記錄的說話結束，計至伺服器開始播放翻譯；不包含其後的網絡、裝置與聲音到達時間。
日期、樣本及缺漏
2026-10-03 UTC 擷取前 168 小時可取得的通話紀錄：31 通實際翻譯電話有 420 個計時回合，68 個具備本項測量，352 個缺少有效起訖時間。透過執行紀錄找到樣本，沒有計時資料的電話未納入。
日語語音辨識實驗 · 2026 年 8 月 23 日
歷史對照組 C
15.29% CER
字元錯誤率，越低越好
候選方案 D
2.61% CER
字元錯誤率，越低越好
測試範圍：2026 年 8 月 23 日，5 段不同日語音訊，每段重複 3 次，並經 8 kHz 電話音訊編碼模擬。
查看四種語言的全部結果與測試方法 ↓歷史通話播放紀錄 · 2026 年 8 月 29 日至 9 月 1 日
翻譯開始播放的時間
傳回 App 撥話者 · 中位數
1.36 秒
傳回 App 撥話者 · p95
4.276 秒
這 33 個回合有完整起訖紀錄，由系統記錄的說話結束，計至伺服器記錄翻譯開始播放。測量涵蓋辨識後的翻譯與播放流程，比單獨的辨識時間更接近實際通話流程。
測量範圍與樣本詳情
樣本為先前選出的 10 通電話，共保留 115 個計時回合；其中 34 個有這項測量，81 個缺少起訖紀錄。33 個往 App 撥話者方向；往電話接聽者方向只有 1 個，為 1.315 秒，因此沒有以該方向計算百分位數。事件在伺服器的播放開始時結束，不包括其後的裝置、網絡及聲音到達時間。
測試方案以匿名組別標示；我們不公開供應商或模型名稱。組別只用於區分歷史實驗配置。
歷史語音辨識實驗：全部測試結果
每種語言只有 5 段不同的 FLEURS 公開音訊，每段重複 3 次；每個模型及語言有 15 次測試。
候選模型並非在所有語言都較好：它在這批日語和英語音訊的錯誤率較低，普通話和廣東話的錯誤率則較高。以下保留全部八組結果，沒有將不同模型的最佳數字拼成單一服務成績。
| 語言／測試組別 | 錯誤率 | 完成測試 | 辨識 p50 | 辨識 p95 |
|---|---|---|---|---|
| 英語 · 歷史對照組 A | 7.50% WER | 15/15 | 279 ms | 411 ms |
| 英語 · 候選方案 D | 6.67% WER | 15/15 | 484 ms | 664 ms |
| 普通話 · 歷史對照組 B | 5.52% CER | 15/15 | 241 ms | 330 ms |
| 普通話 · 候選方案 D | 6.21% CER | 15/15 | 277 ms | 625 ms |
| 廣東話 · 歷史對照組 B | 2.34% CER | 15/15 | 225 ms | 323 ms |
| 廣東話 · 候選方案 D | 3.13% CER | 15/15 | 193 ms | 489 ms |
| 日語 · 歷史對照組 C | 15.29% CER | 15/15 | 不作比較 | 不作比較 |
| 日語 · 候選方案 D | 2.61% CER | 15/15 | 208 ms | 433 ms |
測試方法與數字範圍
WER 是詞錯誤率，CER 是字元錯誤率：將插入、刪除和替換的編輯次數加總，再除以參考文本的詞或字元總數，越低越好。英語以詞計算，日語、普通話和廣東話以字元計算。
評分先統一 Unicode、標點、中文繁簡體及口語／阿拉伯數字格式。這會忽略部分書寫差異。
測試將音訊經過 8 kHz 單聲道 G.711 μ-law 編碼／解碼，再以每 100 ms 一幀的即時速度送出；沒有加入任務腳本、語料提示或熱詞。p50 是中位數，p95 是第 95 百分位數。時間由音訊送出結束起算，到辨識服務回報完成為止，不包括翻譯、語音合成或播放。
對照組 C 的測試程式加入固定等待時間，沒有可比較的完成事件，因此不公布其完成延遲。表中的「對照組」指當時的實驗設定。
來源與相關頁面
Google FLEURS · 下載已去識別的測試彙總 JSON
彙總檔記錄測試日期、匿名測試組別、樣本數、計分方法及原始分數檔的 SHA-256 摘要，方便核對版本。