滚动测试

最新滚动测试结果汇总

后记

在上图中，本期我们特意将纵轴的绘制范围，从原来的 [80,100] 调整到 [0,100]。大家可以用这个范围的视角，看一下新闻联播的横向对比(厂商间)，以及新闻联播与本月加入的直播、老罗语录等困难场景的纵向对比(场景间)。有趣的是，场景的差别给各家厂商带来的性能下降，惊人的接近，这其中体现的，就是行业整体。
把场景对语音识别性能的这种巨大影响展现出来，是希望大家直观的认识到以往“XXX的语音识别达到97%的准确率/超越人类”这一类抛开具体场景的概述，纯粹是一种宣传手段。只要人们认可这种宣传，所有厂商就不得不跟风玩这个口头的数字游戏。而实际上，大家坐下来采集并标注一个基于真实业务的测试集，测后性能满足需求，就安稳的上线；性能不够就拉上厂商针对性的投入进行定制优化，才是正道。
本月腾讯应该有较大更新，对比历史有大幅度性能提升。
"阿里+"相比"阿里"，在已有的高准确率场景下，有小幅提升，但对于困难场景，提升幅度巨大，说明这类的技术进步在提升语音识别的通用性，也即我们常说的泛化能力。
因为本月滚动测试的绘图范围拉宽，想了解厂商间的横向对比，读者可以查阅文章后面的历史测试数据表。
我们对于测试集的爬取大概都是提前两个月进行。测大众熟悉的材料，是我们的一个原则，所以也希望公众号的读者朋友们可以提供反馈给我们：

提起“经济&财经”，大家脑海中第一时间想到的素材是什么，可以是电视节目，网络视频，电台节目，播客，峰会论坛摄像视频等。
“辩论”场景下，大家又有什么推荐和想看的测试素材。
后台留言即可，我们都可以看到。

最后是个小声明，因为微信公众号文章的展示机制现在也转成推荐，这意味着即便你订阅了我们公众号，也不保证我们的内容能最终出现在你的推荐流中。参考了其他公众号的声明，通过公众号标星，对文章打标“在看”，朋友圈，聊天中的分享，都可以提高我们的信息出现在你视线中的概率。大家觉得我们生产的信息有参考意义，请酌情分享。也欢迎通过后台留言给我们反馈意见。

各场景历史测试结果

新闻联播