第一步：语言和任务
不同模型系列覆盖的语言不同。有些模型支持数十种语言，有些则专注于更窄的语言范围。首先明确需要转写的语言，以及任务是转写、翻译还是两者兼有。
签名目录涵盖 Whisper、Qwen3-ASR、Parakeet-TDT、FireRed-AED、SenseVoice、Moonshine、Cohere Transcribe、X-ASR、Dolphin 和 Hy-MT2 语音翻译等系列，以及说话人分离和中文标点等能力包。
第二步：硬件和内存
模型大小和量化方案会带来不同的内存、存储、速度和精度取舍，模型更大并不必然意味着效果更好。目录中每个模型都标注了推荐量化方案。较小的量化方案会减小包体积，但可能牺牲一定精度。
请在模型页面查看确切的包大小和实测字段，确认模型适合可用内存与存储空间。
第三步：功能需求
考虑是否需要词级时间戳、自动标点、语音翻译或说话人分离。并非每个模型都支持所有功能，选择前应查看模型详情页。
第四步：许可证
目录中的模型使用不同的许可证。有些允许商业使用，有些仅限研究或非商业用途。在将模型用于生产环境之前，请先在模型页面确认许可证。