1、素材来源

YouYube爬取美联储、白宫发布会、政要座谈会等时政素材的中文同传现场，原始时长约两个半小时。

场景上，本期测试的特点为英文、中文声音交叠，同时进行。本类素材，源语言说话人的音量一般会被压制的非常低，可听见，但听不清内容从语音识别的角度来看更像是一种噪音。这种人声噪声对频谱造成的干扰比一般噪声要复杂得多，对语音系统的挑战也更大。内容上，本期测试内容很简单，主要是一些时政新闻中的常见词汇和话题。


2、场景特点

1）环境

  • 同传室，制作棚，同传人员周边安静，无噪声。

2）拾音设备

  • 专业麦克风，近场

3）说话人

  • 同传翻译员

4）说话方式

  • 语速中等偏快
  • 吐字清晰
  • 组织语言常见卡顿，重复

5）方言

  • 标准化

6）内容领域

  • 时政


3、测试结果

测试时间：2020.10

本场景会进行定期重测（每3个月），关注最新滚动测试报告查看最新结果


*讯飞目前被低估，目前为听写服务，转写服务接入调试中。详见(SOTA)


4、简评

本场景为英文到中文的同传现场，场景目标是识别中文内容，由标注员负责切分并标注中文同传声音的片段。虽然英文音量非常低，但与切分出的中文部分有少量交叠（同传卡顿间隔，反应延时等等）。讯飞和阿里的引擎对低音量灵敏且对英文比较灵敏，经常识别出零散的英文乱码词汇，错误率较高。