AirCaps 发布语音转写模型 A5S Async v1 并开源评测基准
AirCaps 发了个会标注「这句话是谁说的」的语音转写模型，VoiceArena 排第一，比 ElevenLabs、AssemblyAI 这些老牌选手错误率还低 41%。难得的是评测代码和数据配方全开源，能自己复现。做会议纪要类产品或者做语音评测的可以盯一下。
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。
More model launches should publish their benchmark harness. AirCaps just launched A5S Async v1, a speech-to-text model that tracks who said each word. They also published the code, dataset recipes, raw API responses, and scores behind their results. It has the lowest error rate on all 5 public meeting benchmarks they tested. AirCaps AI @tryaircaps Introducing A5S Async V1: the world's most accurate speech recognition model for speaker-attributed transcription. #1 on VoiceArena, ahead of ElevenLabs, AssemblyAI, Deepgram, NVIDIA, Meta & more. The next-best model makes 41% more errors across 5 public benchmarks. And yes, every lab says they're #1 . So we open-sourced our benchmark. Try it now👇
本条情报归属 AITOP「模型」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：A5S、VoiceArena、语音识别、说话人分离，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「elvis」（@omarsar0），经 AITOP 多维评分管线结构化提炼。
