术语slug: word-error-rate-wer

词错误率

Word Error Rate (WER)

语音识别任务中错误词数占参考总词数的比例,是转写质量的核心指标

收录情报动态

共 9 篇 · 第 1/1 页
Artificial Analysis (@ArtificialAnlys)T1·基座大模型
58 分
Salesforce 开源 46 亿参数语音转写模型登顶榜首

Artificial Analysis 宣布 SOV-Transcribe-1 成为新的开源权重语音转写模型第一名,在 AA-WER 指数上取得 2.3% 的词错误率,激活参数为 46 亿。该模型在包含闭源模型在内的 44 个模型中综合排名第 7,由 Salesforce 与 Missionforce Sovereign AI 团队联合发布。

OpenRouter (@OpenRouter)T1·开发与工程
45 分
Moondream 发布 Parakeet Ultra 语音转录模型

Moondream 基于 NVIDIA Parakeet TDT 0.6B v3 架构推出后训练版本 Parakeet Ultra,现已上线 OpenRouter。该模型在保持原有速度与架构的前提下,显著降低了各类基准测试中的词错误率,支持 25 种欧洲语言及细粒度时间戳,定价为每小时音频 0.06 美元。

Qwen 官方博客 (通义)T1·基座大模型
78 分
Qwen3-TTS 发布音色设计与克隆模型

阿里 Qwen 团队推出 Qwen3-TTS-VD-Flash(音色设计)和 Qwen3-TTS-VC-Flash(音色克隆)两款新模型。前者支持通过自然语言指令精细调控音色、情感与人设,后者实现 3 秒级多语言音色克隆。基准测试显示其在 InstructTTS-Eval 和多语言 WER 指标上优于 GPT-4o-mini-tts 及 ElevenLabs 等竞品。

Qwen 官方博客 (通义)T1·基座大模型
68 分
Qwen3-TTS 升级:支持 49 种音色与 10 种语言

通义千问发布 Qwen3-TTS 语音合成模型重大更新,新增至 49 种高品质音色并扩展支持 10 种主流语言及 9 种中国方言。该版本在 MiniMax TTS 多语言测试集上的平均词错误率(WER)优于 ElevenLabs 和 GPT-4o-Audio-Preview,显著提升了韵律自然度与拟人化水平。目前可通过 DashScope API 及 Hugging Face Demo 体验。

Hugging Face BlogT1·开发与工程
68 分
Hugging Face 集成 n-gram 解码提升 Wav2Vec2 语音识别性能

Hugging Face Transformers 库新增对 Wav2Vec2 模型的 n-gram 语言模型增强解码支持。该功能通过结合外部 n-gram LM,在 Common Voice 数据集上将词错误率(WER)相对降低约 30%,显著提升了纯 CTC 解码的准确率。开发者可直接利用此特性优化语音识别应用,无需重新训练模型。