论文与研究

Together AI 发布 SF Streets 基准,揭示语音模型街名转写错误率达 39% 并用跨语言风格迁移降低 60% 错误

原文标题:How speech models fail where it matters the most and what to do about it

AI 摘要

Together AI 发布 SF Streets 与 US Streets 两项基准,测试 15 个先进 ASR 模型在街名转写上的表现,发现平均错误率达 39%,非英语母语者准确率比英语母语者低 18 个百分点(46% vs 64%)。

关键信息

  • Together AI 发布 SF Streets 与 US Streets 两项基准,测试 15 个先进 ASR 模型在街名转写上的表现
  • 发现平均错误率达 39%,非英语母语者准确率比英语母语者低 18 个百分点(46% vs 64%)
  • 原文用自建基准量化了 ASR 在街名转写上的短板,并给出可复用的合成数据改进方法,对语音部署有直接参考价值

速览

发布时间
更新时间
来源
Together AI 研究与产品博客(RSS)
分类
论文与研究
AI 评分
63
阅读原文 前往信息源阅读完整正文
推荐理由

原文用自建基准量化了 ASR 在街名转写上的短板,并给出可复用的合成数据改进方法,对语音部署有直接参考价值。

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Together AI 发布 SF Streets 基准,揭示语音模型街名转写错误率达 39% 并用跨语言风格迁移降低 60% 错误。2026年2月23日。https://new.nat6.net/news/cmu1iytz90keerocnb7tqlmzs/

查看全部 →