注意到在语音识别领域出现了有趣的动向。Sierra 将 μ-Bench 多语言数据集公开，作为评估 ASR 系统的工具，这看起来是一个相当重要的举措。

核心内容是：该数据集包含 250 条来自客户服务的真实录音和 4270 个带注释的音频片段。与现有基准不同的是，这里不仅仅支持英语。支持五种语言——英语、西班牙语、土耳其语、越南语和普通话。

特别有趣的是新的指标 UER (Utterance Error Rate)。它区分会改变语义的错误和不影响语义的错误。这比传统的 WER 指标要细腻得多，后者将所有错误一视同仁。

测试结果显示：Google Chirp-3 在准确率方面领先，Deepgram Nova-3 速度最快，但在多语言方面略有落后。未来的发展令人期待。

数据集和结果表已在 Hugging Face 上开放，其他开发者也可以加入评测。看来 μ-Bench 正在成为客户服务环境中评估 ASR 的新标准。