Open ASR 榜单新增埃及和尼日利亚口音的非公开数据，以便更好地衡量模型

发生了什么

• Hugging Face 于2026年11月6日宣布与 Liva AI 合作，向其自动语音识别榜单 Open ASR Leaderboard 添加埃及和尼日利亚两种新口音的非公开数据。
• 几个月前，该榜单已纳入来自 Appen 和 DataOceanAI 的非公开数据：涵盖五种口音的11个脚本式和对话式语音数据切分。之后，它又借助 Voice Arena 增加了一种口音，即带印度口音的英语。
• 有了这些新口音，榜单现在提供更丰富的细分，依据是 Kachru 的“三个圈子”模型：内圈（美国、英国、澳大利亚、加拿大）与外圈和扩展圈（印度、尼日利亚、埃及）相对照。
• Hugging Face 承认，这种细分的想法来自 Hume AI 的榜单。

为什么重要

• 对美式英语使用者理解得很好的模型，面对其他口音时表现可能更差，而整体平均值会掩盖这种差异。
• 非公开数据不会发布，因此无法用来训练模型。这减少了 Hugging Face 所说的“benchmaxxing”，也就是针对测试而不是针对真实使用去做优化。
• 评测中纳入更多口音和更多语言，能让英语国家以外使用这些系统的人得到更好的体现。

关键数字

五，加一，加二。 该榜单起初有涵盖五种口音的11个非公开数据切分，后来增加了一种带印度口音的英语，现在又增加两种口音：埃及口音和尼日利亚口音。

背景

Liva AI 通过真实用户使用的消费级产品收集多模态交互数据。据 Hugging Face 介绍，由于它掌控采集环境和分发渠道，因此可以按领域、语言或模态，围绕特定的模型短板来设计产品，获得自然、语境丰富的行为，而不是被诱导出来的任务。

这段描述出自 Hugging Face，反映的是合作方的视角。文中没有给出模型在新口音上的结果，也没有给出新增音频的时长。

ASR 榜单与另一个榜单 Open TTS Leaderboard 并行运作，后者面向文本转语音模型。两者的目标都是为开发者提供一个共同的地方来比较开放模型。

我们在 Mamífero 持续关注语音识别与合成。我们报道过Nvidia 把 Nemotron 3.5 Transcribe 作为开放模型发布，以及Phonon 离线生成语音，只占75 MB。还有Impression-R1 起草放射学结论，以及奖励搜索的每一步，能让智能体更可靠。

接下来

• 语音识别模型今后也将按口音群体来评估。
• Hugging Face 表示将继续增加口音、语言和数据提供方。
• 公告中尚未公布模型在这些新的非公开数据集上的结果。

一句话总结

公开的测试可以被反复研究，直到被背下来。有了无人看过的数据和更多口音，这个榜单试图衡量一个模型是否真正听懂了对它说话的人。

来源

• Hugging Face，“Egyptian and Nigerian English join the Open ASR Leaderboard”，2026年11月6日，链接。
• 封面图片：Josephenus P. Riley，CC BY 2.0，来自 Wikimedia Commons

编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。