懂AI
Leaderboard

Leaderboard

多语言语音识别基准测试平台 促进ASR系统评估

SpeechColab ASR leaderboard是一个开源的语音识别基准平台，集成测试集、模型集和标准化评估流程。平台提供多样化测试数据，涵盖广泛ASR场景，支持商业API和开源模型评估。它简化了ASR系统的基准测试、复现和验证过程，方便研究人员和开发者比较不同系统性能。通过统一的评估标准，该平台有助于推动语音识别技术的持续进步。

语音识别基准测试数据集模型评估Github开源项目
GitHub

SpeechColab ASR leaderboard

result result

1. Overview

"If you can’t measure it, you can’t improve it." -- Peter Drucker

SpeechIO leaderboard serves as an ASR benchmarking platform by providing 3 components:

  1. TestSet Zoo: A collection of test sets covering wide range of speech recognition tasks & scenarios

  2. Model Zoo: A collection of models including commercial APIs & open-sourced models

  3. Benchmarking Pipeline: a simple & well-specified pipeline to take care of data preparation / recognition / post processing / error rate evaluation.

People should be able to easily benchmark, reproduce, examine ASR systems from each other

Overview

2. TestSet Zoo: datasets/*

<details><summary> Academic Test Sets (EN & ZH) </summary><p>
已公开 <br> UNLOCKED编号 <br> DATASET_ID说明 <br> DESCRIPTION语言 <br> LANGUAGE
✓AISHELL1_TESTtest set of AISHELL-1zh
✓AISHELL2_IOS_TESTtest set of AISHELL-2 (iOS channel)zh
✓AISHELL2_ANDROID_TESTtest set of AISHELL-2 (Android channel)zh
✓AISHELL2_MIC_TESTtest set of AISHELL-2 (Microphone channel)zh
✓ALIMEETING_EVAL_NEAR_FIELDAliMeetingzh
✓ALIMEETING_TEST_NEAR_FIELDAliMeetingzh
✓ALIMEETING_EVAL_FAR_FIELDAliMeetingzh
✓ALIMEETING_TEST_FAR_FIELDAliMeetingzh
✓LIBRISPEECH_TEST_CLEAN"test_clean" set of LibriSpeechen
✓LIBRISPEECH_TEST_OTHER"test_other" set of LibriSpeechen
✓TEDLIUM_RELEASE3_LEGACY_DEVtedlium release 3, legacy dir dev set TEDLium3en
✓TEDLIUM_RELEASE3_LEGACY_TESTtedlium release 3, legacy dir test set TEDLium3en
✓GIGASPEECH_V1.0.0_DEVdev set of GigaSpeechen
✓GIGASPEECH_V1.0.0_TESTtest set of GigaSpeechen
✓VOXPOPULI_V1.0_EN_DEVdev set of VoxPopulien
✓VOXPOPULI_V1.0_EN_TESTtest set of VoxPopulien
✓VOXPOPULI_V1.0_EN_ACCENTED_TESTaccented test set of VoxPopulien
✓COMMON_VOICE_V11.0_DEVdev set of Common Voiceen
✓COMMON_VOICE_V11.0_TESTtest set of Common Voiceen
</p></details> <details><summary> SpeechIO Test Sets (ZH) </summary><p> 
SpeechIO test sets are carefully curated by SpeechIO authors, crawled from publicly available sources (Youtube, TV programs, Podcast etc), covering various well-known scenarios and topics, transcribed by payed professional annotators.
已公开 <br> UNLOCKED编号 <br> DATASET_ID名称 <br> NAME场景 <br> SCENARIO内容领域 <br> TOPIC有效时长 <br> DURATION (HOURS)难度(1-5) <br> DIFFICULTY
✓SPEECHIO_ASR_ZH00000调试集 <br> for debugging视频会议、论坛演讲 <br> conference & speech经济、货币、金融 <br> economy, currency, finance1.0★★☆
✓SPEECHIO_ASR_ZH00001新闻联播新闻播报 <br> TV News时政 <br> news & politics9★
✓SPEECHIO_ASR_ZH00002鲁豫有约访谈电视节目 <br> TV interview名人工作/生活 <br> celebrity & film & music & daily3★★☆
✓SPEECHIO_ASR_ZH00003天下足球专题电视节目 <br> TV program足球 <br> Sports & Football & Worldcup2.7★★☆
✓SPEECHIO_ASR_ZH00004罗振宇跨年演讲会场演讲 <br> Stadium Public Speech社会、人文、商业 <br> Society & Culture & Business Trend2.7★★
✓SPEECHIO_ASR_ZH00005李永乐讲堂在线教育 <br> Online Education科普 <br> Popular Science4.4★★★
✓SPEECHIO_ASR_ZH00006王者荣耀 <br> 张大仙 & 骚白直播 <br> Live Broadcasting游戏 <br> Game1.6★★★☆
✓SPEECHIO_ASR_ZH00007直播带货 <br> 李佳琪 & 薇娅直播 <br> Live Broadcasting电商、美妆 <br> Makeup & Online shopping/advertising0.9★★★★☆
✓SPEECHIO_ASR_ZH00008老罗语录线下培训 <br> Offline lecture段子、做人 <br> Life & Purpose & Ethics1.3★★★★☆
✓SPEECHIO_ASR_ZH00009故事FM播客 <br> Podcast人生故事、见闻 <br> Ordinary Life Story Telling4.5★★☆
✓SPEECHIO_ASR_ZH00010创业内幕播客 <br> Podcast创业、产品、投资 <br> Startup & Enterprenuer & Product & Investment4.2★★☆
✓SPEECHIO_ASR_ZH00011罗翔刑法法考在线教育 <br> Online Education法律 法考 <br> Law & Lawyer Qualification Exams3.4★★☆
✓SPEECHIO_ASR_ZH00012张雪峰考研在线教育 <br> Online Education考研 高校报考 <br> University & Graduate School Entrance Exams3.4★★★☆
✓SPEECHIO_ASR_ZH00013谷阿莫 <br> 牛叔说电影短视频 <br> VLog电影剪辑 <br> Movie Cuts1.8★★★
✓SPEECHIO_ASR_ZH00014贫穷料理 <br> 琼斯爱生活短视频 <br> VLog美食、烹饪 <br> Food & Cooking & Gourmet1★★★☆
✓SPEECHIO_ASR_ZH00015单田芳 白眉大侠评书 <br> Traditional Podcast江湖、武侠 <br> Kongfu Fiction2.2★★☆
✓SPEECHIO_ASR_ZH00016德云社演出剧场相声 <br> Theater Crosstalk Show包袱段子 <br> Funny Stories1★★★
✓SPEECHIO_ASR_ZH00017吐槽大会脱口秀电视节目 <br> Standup Comedy明星糗事 <br> Celebrity Jokes1.8★★☆
✓SPEECHIO_ASR_ZH00018小猪佩奇 <br> 熊出没少儿动画 <br> Children Cartoon童话故事、日常 <br> Fairy Tale0.9★☆
✓SPEECHIO_ASR_ZH00019CCTV5 NBA 转播体育赛事解说 <br> Sports Game Live篮球、NBA <br> NBA Game0.7★★★
✓SPEECHIO_ASR_ZH00020篮球人物纪录片 <br> Documentary篮球明星、成长 <br> NBA Super Stars' Life & History2.2★★
✓SPEECHIO_ASR_ZH00021汽车之家评测短视频 <br> VLog汽车测评 <br> Car benchmarks, Road driving test1.7★★★☆
✓SPEECHIO_ASR_ZH00022小艾大叔 豪宅带看短视频 <br> VLog房地产、豪宅 <br> Realestate, Mansion tour1.7★★★
✓SPEECHIO_ASR_ZH00023无聊开箱 <br> Zealer评测短视频 <br> VLog产品开箱评测 <br> Unboxing2★★★
✓SPEECHIO_ASR_ZH00024付老师种植技术短视频 <br> VLog农业、种植 <br> Agriculture, Planting2.7★★★☆
✓SPEECHIO_ASR_ZH00025石国鹏讲历史线下培训 <br> Offline lecture历史，古希腊哲学 <br> History, Greek philosophy1.3★★☆
✓SPEECHIO_ASR_ZH00026张震鬼故事广播节目 <br> Broadcasting Program鬼故事 <br> Horror Stories2.4★★★
✗SPEECHIO_ASR_ZH00027华语辩论世界杯辩论赛 <br> Debates Contest兴趣、技能、成长 <br> Hobby, Skill, Growth1.4★★★
✗SPEECHIO_ASR_ZH00028时政现场同传同声传译 <br> Simultaneous Translation时政、社会公共治理 <br> News & Events on Public Governance2.1★★★☆
✗SPEECHIO_ASR_ZH00029港台明星访谈 <br> 周杰伦,曾志伟 <br> 张家辉,陈小春 <br> 周星驰口音(港台) <br> HongKong/Taiwan Accents娱乐、生活、演艺 <br> Entertainment, Acting, Musics1.5★★★☆
✗SPEECHIO_ASR_ZH00030世界青年说口音(老外) <br> Foreigner Accents异国文化比较 <br> Cultural Difference2★★★☆
✗SPEECHIO_ASR_ZH00031东方甄选直播 <br> broadcast带货，英语教学 <br> Online advertising & English Education2.4★★★☆
✗SPEECHIO_ASR_ZH00032郎朗钢琴课长视频 <br> long-form video音乐乐理，钢琴 <br> Music & piano1.7★★☆
✗SPEECHIO_ASR_ZH00033老石谈芯短视频 <br> VLog芯片 <br> chips2.8★★★
✗SPEECHIO_ASR_ZH00034电丸科技AK短视频 <br> VLog网络 IT <br> Internet tech, IT1.4★★★☆
✗SPEECHIO_ASR_ZH00035新氧医美短视频 <br> VLog医疗美容 <br> Medical Cosmetology1.4★★
✗SPEECHIO_ASR_ZH00036交通广播交通广播 <br> traffic radio路况，娱乐 <br> Traffics1.2★★★☆
✗SPEECHIO_ASR_ZH00037老俞闲聊在线会议 <br> Online meeting闲聊 <br> chat2.4★★★
✗SPEECHIO_ASR_ZH00038电影：疯狂石头+疯狂赛车电影 <br> Film重庆话、山东青岛、四川成都话、河北唐山话、粤语、天津话、河南话、陕西话、闽南话，武汉话等 <br> multiple accents1.3★★★★☆
✗SPEECHIO_ASR_ZH00039电影：1942电影 <br> Film河南话 <br> HeNan Accent0.9★★★★
✗SPEECHIO_ASR_ZH00040电影：白鹿原电影 <br> Film陕西话 <br> ShaanXi Accent1.1★★★★★
✗SPEECHIO_ASR_ZH00041电影：让子弹飞电影 <br> Film四川话 <br> SiChuan Accent1.1★★★★☆
✗SPEECHIO_ASR_ZH00042电影：人生大事电影 <br> Film武汉话 <br> WuHan Accent0.8★★★★
</p></details>

Download Dataset

3. Model Zoo: models/*

<details><summary> EN Models </summary><p>
编号 <br> MODEL_ID类型 <br> TYPE厂商/作者 <br> PROVIDER/AUTHOR简介 <br> DESCRIPTION链接 <br> URL
aliyun_api_en

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多