Zoom Scribe

新的ASR分类法揭示了词错误率之外的失败模式

一种新的自动语音识别（ASR）系统评估分类法侧重于听写用例，超越了传统的词错误率（WER）指标。该分类法将错误分为识别、输出格式、语言处理和音频丢失。研究发现，具有相似WER的系统在失败模式上可能存在巨大差异，尤其是在低语语音或多语言音频等挑战性条件下。例如，Zoom Scribe和OpenAI的GPT-Live-Transcribe在清晰英语上的WER相当，但在低语音频上的性能差异显著，Zoom Scribe丢失了相当大比例的词。