语音识别除了衡量语音识别的准确度之外，另外一个重要的指标就是处理的速度和延迟。其中RTF为衡量实时语音识别处理速度的重要指标，RTX为衡量离线语音识别处理速度的重要指标。

1 RTF

RTF(Real Time Factor)，为实时语音识别的处理速度评价指标，其计算公式如下

RTF=\frac{ASR所有音频处理时间(单位秒)}{所有音频总时间(单位秒)}

即给定1秒时长的音频，语音识别需要花多长时间，这个比例小于1才能达到实时识别语音的效果，RTF指标越小越好。

RTF为1表示用户一说完话就能出识别结果(前提是忽略假设录音实时的传给语音识别系统，时间情况很多时候是在服务器端进行解码的，因此会有网络的延迟)；RTF大于1就表示话说完了，系统还得再处理一段时间；RTF小于1表示识别速度比说话速度快，这样万一有网络延迟，它还能追上来。

2 RTX

RTX(Real Time X)，为离线语音识别处理速度评价指标，其计算公式如下

RTX=\frac{所有音频总时间(单位秒)}{ASR识别所有音频处理时间(单位秒)}

即在1秒时间内，语音识别模型可以处理多长时间的音频，RTX指标越大越好。

参考