AssemblyAI 发布语音 Agent 专用 STT 模型,实体错误率 13.2% 领先 26 家

harnoor-assemblyai · reddit · 2026-11-19

AssemblyAI 发布面向语音 Agent 的实时语音识别模型 STT-3.7-Realtime-Agent,支持 32 种语言,专门针对导致 Agent 误操作的识别问题:背景人声、简短回复漏听、数字识别错误、过早切断回合。

在其自建的 12,460 条模拟来电剪辑基准上,该模型实体错误率(entity error)为 13.2%,优于 26 个受测系统中的第二名 Soniox Realtime v6(15.2%)。不过长篇英语的 WER 上,Meta 的模型更低(7.37% vs 8.35%)。作者注明测试时间为 8-11 月且基准由自家构建,数字需带保留看待。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →