AirCaps 发布语音转写模型 A5S Async v1 并开源评测基准

AirCaps 发布语音识别模型 A5S Async v1，主打带说话人归属的转写（speaker-attributed transcription），即每个字都能标注出自哪位说话者。该模型在 VoiceArena 排名第一，领先 ElevenLabs、AssemblyAI、Deepgram、NVIDIA 和 Meta 等厂商的同类产品。官方称其在 5 个公开会议基准上取得最低错误率，第二名模型比它多出 41% 的错误。 技术卖点在于把「谁在什么时间说了什么」和转写准确率绑定在一起输出，而不是先转写再做说话人分离，适合会议纪要、访谈记录等多人对话场景。不同寻常的是，AirCaps 同时公开了支撑榜单成绩的评测代码、数据集配方、原始 API 响应和分数，用户可以复现验证。文章借此呼吁：更多模型发布时应当公开自己的 benchmark harness，而不是只给一个自家基准上的第一。