现象
苹果手机语音输入效果差、语音文件不全，安卓手机无此问题。Safari浏览器下mac端语音输入失效，谷歌浏览器正常。部分场景下whisper模型识别结果为繁体字，准确率低。ios生成的音频文件可直接手机播放，但whisper模型无法识别；mac生成的音频文件手机无法播放，但whisper模型可正常识别。
可能原因
- Safari浏览器存在兼容性问题；
- 不同设备生成的语音文件格式与whisper模型识别要求不匹配；
- whisper模型本身存在识别准确率不足、繁体识别错误的问题。
排查步骤
- 确认部署环境已开启HTTPS；
- 分别使用安卓设备、mac端谷歌浏览器、Safari浏览器测试语音输入，对比各场景下的表现；
- 检查whisper模型配置，查看识别结果是否存在繁体或准确率低的情况；
- 录制语音文件，对比不同设备生成的音频，验证文件可播放性与识别适配性。
解决与验证
针对Safari兼容性问题，可参考opus-media-recorder相关方案。针对繁体识别问题，可使用openCC工具处理识别结果。针对准确率低的问题，可更换为Belle-whisper-large-v3-zh模型，该模型显存占用4-5G，兼容oneapi定向whisper-1特性。也可对接阿里新模型，效果与性能表现较好。验证时，更换模型或调整配置后，重新测试各设备的语音输入效果，确认文件完整性与识别准确率。