AssemblyAI 认为，语音转文本系统的传统词错误率 (WER) 指标不足，因为它们未能考虑到姓名、数字和医学术语等特定实体的 Yet. 该公司提出了一个新的指标，漏检实体率 (MER)，该指标侧重于这些关键实体的准确性。AssemblyAI 强调，尽管低 WER 可能看起来不错，但它会掩盖实体转录中的重大错误，使转录稿对于生产语音代理毫无用处。他们建议在真实的、混乱的音频数据上测量 MER，而不是在干净的录音室录音上，以准确预测性能。 AI
影响 该指标可以通过关注关键数据准确性而非通用词准确性，从而提高语音代理的可靠性。
排序理由 该项目讨论了用于评估现有语音转文本技术的拟议指标，而不是新版本或核心研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
