Beyond Word Error Rate：流式听写 ASR 的失败分类研究
这篇论文把 11 个 ASR 系统的错误按四个层级逐条分类，发现 WER 相近的产品在耳语场景下表现天差地别。如果你在做语音输入或听写功能，Silero VAD 会把 Whisper 的耳语 WER 从 10.1% 推到 51.4% 这个结论直接关系到你的技术选型，全部数据集也开源了。
这篇论文把 11 个 ASR 系统的错误按四个层级逐条分类，发现 WER 相近的产品在耳语场景下表现天差地别。如果你在做语音输入或听写功能，Silero VAD 会把 Whisper 的耳语 WER 从 10.1% 推到 51.4% 这个结论直接关系到你的技术选型，全部数据集也开源了。