Earnings25：一个用于金融领域的500小时综合性语音基准测试
Earnings25: A Comprehensive 500-Hour Speech Benchmark for Finance
浏览论文内容
中文总结 AI 辅助
介绍用于金融领域英语财报电话会议ASR评估的Earnings25基准测试，含两个互补测试集及相关元数据，能进行更全面评估，还报告了Whisper和Parakeet-TDT的可重复基线。
中文摘要 AI 辅助
我们推出了Earnings25，这是一个用于在实际条件下评估英语财报电话会议上自动语音识别（ASR）的金融领域基准测试。Earnings25由两个互补测试集组成：一是testset-full，包含2025年第四季度498小时的标准普尔500指数英语财报电话会议；二是testset-segmented，从2025年美国英语财报电话会议中抽取的46小时、290个片段的行业平衡集。该基准测试提供对齐的转录本和结构化元数据，包括说话者角色、行业标签和通话结构，可实现超越总词错误率（WER）的说话者和行业感知评估。我们使用标准化评分报告了Whisper和Parakeet-TDT的可重复基线。
英文摘要
We introduce Earnings25, a finance-domain benchmark for evaluating automatic speech recognition (ASR) on English-language earnings calls under realistic conditions. Earnings25 comprises two complementary test sets: (i) testset-full, 498 hours of full English-language S&P 500 earnings calls from Q4 2025, and (ii) testset-segmented, a 46-hour industry-balanced set of 290 segments sampled from English-language U.S. earnings calls in 2025. The benchmark provides aligned transcripts and structured metadata, including speaker roles, industry labels, and call structure, enabling speaker- and industry-aware evaluation beyond aggregate word error rate (WER). We report reproducible baselines for Whisper and Parakeet-TDT using standardized scoring.
发表机构
- Bloomberg（彭博社）
机构由 AI 辅助整理，请以论文原文为准。
