Hugging Face 研究量化语音识别中的基准优化现象

Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。结果显示部分高分模型会复现 VoxPopuli 和 LibriSpeech 参考转写中的错误，即使音频与之矛盾、相关词被静音或两种写法同样成立，在 LibriSpeech 上部分模型对掩蔽数字的复现率约为 30% 至 40%。