一项新的基准研究评估了五种商业自动语音识别（ASR）系统在语种转换语音上的表现，特别关注阿拉伯语、波斯语和德语与英语的混合。该研究引入了一个使用GPT-4o和Gemini 1.5 Pro对转录文本进行评分的新型流程，将LLM成本降低了91%，并采用BERTScore作为比传统词错误率（WER）更可靠的某些语种对的度量标准。ElevenLabs Scribe v2成为表现最佳的系统，在所有测试的语种对中实现了最低的WER和最高的BERTScore。 AI
影响 这项研究突显了语种转换语音识别的挑战，并引入了一种更鲁棒的评估方法，可能指导未来多语言语音技术的发展。
排序理由 该集群包含一篇学术论文，详细介绍了ASR系统的新基准和评估方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →