概念
别名：词错误率
词错误率，衡量语音识别准确性
已跟踪 8 条高相关材料
最近变化
2026-09-30 · Open TTS Leaderboard 使用 WER/CER、RTFx、TTFA、SIM 等指标，评估时间从数周缩短至数小时
为什么值得关注
WER 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning
Hugging Face Blog · 8.5 分
Hugging Face 推出 Open TTS Leaderboard，通过客观指标解决 TTS 模型评估碎片化问题，评估时间从数周缩短至数小时。
The Open ASR Leaderboard Adds Its First Global South Language
Hugging Face Blog · 8.5 分
Hugging Face推出全球首个覆盖印度语的开放ASR评估基准，通过多维度数据设计解决语音识别模型的系统性偏差问题。
Introducing Gemini 3.5 Transcribe, our new speech to text model with smart transcription, function c...
Logan Kilpatrick(@OfficialLoganK) · 8.5 分
Gemini 3.5 Transcribe 是 Google 推出的新一代语音转文字模型，支持 85 种语言、实时流媒体和多说话人识别。
已收录 8 条与 WER 相关的内容，按评分排序。
Hugging Face 推出 Open TTS Leaderboard，通过客观指标解决 TTS 模型评估碎片化问题，评估时间从数周缩短至数小时。
入选理由：Open TTS Leaderboard 使用 WER/CER、RTFx、TTFA、SIM 等指标，评估时间从数周缩短至数小时
Hugging Face推出全球首个覆盖印度语的开放ASR评估基准，通过多维度数据设计解决语音识别模型的系统性偏差问题。
入选理由：Monsoon评估集包含4,888名说话者，记录12个属性确保多样性
Google推出Gemini 3.5 Transcribe语音识别模型，实现亚秒级实时流处理，非流式WER低至2.6%，支持85种语言并减少70%处理时间。
入选理由：Gemini 3.5 Transcribe非流式WER达2.6%，流式为4.0%
Gemini 3.5 Transcribe 是 Google 推出的新一代语音转文字模型，支持 85 种语言、实时流媒体和多说话人识别。
入选理由：支持 85 种语言及多说话人识别，适用全球化场景
小互发布的评测结果显示其语音转换技术在跨语言WER测试中表现优异，中文转英文WER仅3.19%，韩文转英文WER仅3.42%，显著优于CosyVoice等竞品。该结果展示了多语言语音合成技术的重要突破。
入选理由：小互技术中文转英文WER为3.19%，远优于CosyVoice2的17.10%
ElevenLabs发布Scribe v2 Medical，临床语音转录错误率降低35%。
入选理由：Scribe v2 Medical在临床音频上降低35%词错误率(WER)
腾讯发布Hy ASR 3.0语音识别系统，多语言错误率低至3%，支持方言及复杂场景应用。
入选理由：Hy ASR 3.0多语言语音识别错误率(WER)达3%，行业领先
Hugging Face 为防止模型在公开ASR测试集上过度优化，引入私有数据集作为评估补充，但不更新公开平均WER，以维持真实场景性能的衡量标准。
入选理由：引入私有数据集防止模型针对公开测试集过度优化（benchmaxxing）。
