RAS：面向可靠性的自动语音识别评估指标
声音
2026-04-29 v2 人工智能
摘要
自动语音识别系统在噪声或歧义条件下常会产生自信但错误的转录结果，这对用户和下游应用都可能产生误导。基于词错误率（WER）的标准评估仅关注准确率，无法捕捉转录的可靠性。我们引入一种支持中止（abstention）感知的转录框架，使ASR模型能够对不确定的片段显式中止。为评估中止下的可靠性，我们提出了RAS（Reliability-Aware Score）指标，通过平衡转录信息性与错误回避，并借助人类偏好校准其权衡参数。随后，我们通过受监督的引导式自举（supervised bootstrapping）再结合强化学习训练了支持中止的ASR模型。实验结果表明，在保持竞争性准确率的同时，显著提升了转录的可靠性。
引用
@article{arxiv.2604.24278,
title = {RAS: a Reliability Oriented Metric for Automatic Speech Recognition},
author = {Wenbin Huang and Yuhang Qiu and Bohan Li and Yiwei Guo and Jing Peng and Hankun Wang and Xie Chen and Kai Yu},
journal= {arXiv preprint arXiv:2604.24278},
year = {2026}
}
备注
6 pages, 4 figures