注意到在語音識別領域出現了有趣的動向。Sierra 公開了 μ-Bench —— 一個多語言的 ASR 系統評估數據集，這看起來是一個相當重要的步伐。

重點在於：該數據集包含 250 個來自客戶服務的實際錄音，以及 4270 個已標註的音頻片段。與現有的基準相比，最大的不同在於不僅僅支持英語。它支持五種語言 —— 英語、西班牙語、土耳其語、越南語和普通話。

特別有趣的是新的評估指標 UER (Utterance Error Rate)。它能區分改變語意的錯誤與不影響語意的錯誤。這比傳統的 WER 指標要細膩得多，因為在 WER 中所有錯誤都被一視同仁。

根據測試結果：Google Chirp-3 在準確率方面領先，Deepgram Nova-3 速度最快，但在多語言方面略遜一籌。令人期待未來的發展。

數據集和結果表已在 Hugging Face 上公開，其他開發者也可以加入評估行列。看來 μ-Bench 正在成為客戶服務環境中嚴肅評估 ASR 的新標準。