Gemini 4 Argon 聽寫整理評測拿下 99.5 分

Google 的 Gemini 4 Argon 在聽寫整理評測中拿下 99.5 分，是 AssemblyAI 比較的 50 多款模型中最高分。

AssemblyAI 於 10 月 15 日公布 Voice Standard Bench 評測結果。Gemini 4 Argon 自 10 月 13 日起在 AssemblyAI 的 LLM Gateway 提供服務。

評分取 30 秒區段的 100 分與 2 分鐘區段的 99 分平均值。測試數據是 10 月 14 日從 LLM Gateway Models 端點取得的結果。

這項評測並非測試語音辨識，也就是將語音轉成文字的能力；它評估的是模型能否依照語音辨識後文字中的口述指示，整理文本內容。

評測在 30 秒與 2 分鐘兩種區段各使用 20 筆合成資料，並將模型產出的結果與預先設定的標準答案進行機械比對。

評測方法列出的評分項目包括完全匹配、詞錯誤率、標點符號與大小寫處理，以及格式指令執行準確度。測試內容包括模型能否在文字中落實「加上逗號」、「另起一段」及「全部改為大寫」等口述指示。

聽寫整理是 Voice Standard Bench 的四項任務之一，另外三項為資訊擷取、摘要與文字校正。聽寫整理使用答案已預先設定的合成句子，其他任務則使用真實通話錄音。

因此，99.5 分不是四項任務的總分，也不代表語音辨識準確度，更不能解讀為韓語語音辨識表現。

分數與處理速度排名並不相同。Gemini 4 Argon 在 30 秒輸入的中位數回應時間為 2.0 秒，2 分鐘輸入則為 2.6 秒。

Qwen3.5 4B Fast 處理相同區段分別需時 0.3 秒與 0.6 秒，回應較快，但聽寫整理分數為 78.0 分，低於 Gemini 4 Argon。

AssemblyAI 列出的每小時音訊處理成本為：Gemini 4 Argon 0.0576 美元（約 77 韓元）、GPT-6 Luna 0.0035 美元（約 5 韓元）、Qwen3.5 4B Fast 0.0026 美元（約 3 韓元）。韓元換算採用 10 月 28 日每美元兌 1342.26 韓元的匯率。

GPT-6 Luna 的聽寫整理分數為 96.0 分。上述成本不是語音辨識費用，而是將文字整理模型的使用成本按音訊長度換算後的數值。

本刊先前報導 Gemini 4 Argon 在程式編寫等實務能力評測中的表現不一。本次評測與先前報導的工作項目不同，範圍僅限於聽寫整理。

由於評測只涵蓋兩種輸入長度與合成句子，分數未必能在真實錄音或各服務的指令設定下重現。單憑這項結果，也難以判定模型在實際使用環境中的表現。

AssemblyAI 表示，公開結果可作為挑選候選模型的起點，並建議使用者以實際環境中的錄音與指令再次測試。結果頁面會在 LLM Gateway 新增模型時更新。