【每日一题】语音转写（ASR）质量怎么评（附参考答案）

兴趣爱好交流
1

题目：关于语音转写 / 语音识别（ASR）能力的质量评估，下列说法正确的有（）

A. 中文场景一般用 CER（字错误率）而不是 WER（词错误率），CER =（替换 + 删除 + 插入）/ 参考文本总字数，且因为插入的存在，CER 是可能超过 100% 的
B. 算 CER/WER 之前必须先做文本规范化（ITN 口径对齐、全半角、大小写、数字与单位、标点取舍），否则大量「假错误」会把插入和替换数放大
C. 只要离线 CER 达标就可以直接上线，实时流式场景的中间结果抖动、首字延迟都不属于测试范围
D. 完整评测要覆盖不同信噪比与远场/近场、方言与口音、说话人重叠、专有名词与业务热词命中、静音与超长语音，并同时评估「识别结果」和「最终展示文本（加标点、分段后）」

难度：中级
题型：笔试（多选）

2

:point_right:参考答案/答题要点：

答案：ABD

  • A 对：中文分词不稳定，业界中文一律按字算；插入错误不计入分母，所以理论上没有上限，报指标时要说清是否截断到 100%。
  • B 对：规范化脚本本身也是被测的一部分，口径要与线上展示一致（“二零二六年"vs"2026年”、“千米"vs"公里”）；对齐用编辑距离（Levenshtein）做 S/D/I 分解。
  • C 错：实时场景必须单列指标——首字/末字延迟、RTF（实时率）、流式中间结果 revision 次数（改字率）、VAD 断句是否把一句话切两半；这些和准确率是两套评测，且往往是体验投诉的主因。
  • D 对：测试集分布要贴合真实业务（客服、会议、车机、医疗），并按难度分桶给指标，不只看一个平均分。
  • 延伸采分点：标注质量（人工双标 + 一致率仲裁）、隐私合规（录音脱敏、不可直接拿生产真实语音进测试集）、指标呈现（整体 CER + 分桶 CER + badcase 分类占比）、以及热词/定制模型的召回评估与「误唤醒、越权录音」等非功能项。