CoSE-E：企业场景下的语码转换语音评估基准
CoSE-E: A Benchmark for Code-switched Speech Evaluation in Enterprise Settings
浏览论文内容
中文总结 AI 辅助
本文提出CoSE-E基准，用于企业场景下语码转换语音识别评估，涵盖多维度框架、5种语言对的系统评测及错误诊断分析，以支持多语言语音代理部署。
中文摘要 AI 辅助
语码转换（CS）指在同一话语中无缝切换语言，这仍是自动语音识别（ASR）中的关键挑战。尽管先前工作聚焦于对话式CS-ASR，企业场景要求评估超出编辑距离误差的操作影响：语码转换转录错误如何传播到下游语音代理任务失败。在这项工作中，我们提出（1）一个面向企业领域的CS-ASR合成基准和多维度评估框架，（2）对前沿ASR系统在5种语言对上的系统评估，（3）对语码转换在不同语言对和模型中引入的额外转录错误的诊断分析。我们发布CoSE-E以支持企业部署中多语言语音代理的企业级CS-ASR评估。
英文摘要
Code-switching (CS), a seamless alternation between languages within a single utterance, remains a critical challenge in automatic speech recognition (ASR). While prior works focus on conversational CS-ASR, enterprise settings demand evaluation of operational impact beyond edit-distance errors: how code-switching transcription errors propagate to downstream voice agent task failures. In this work, we propose (1) a CS-ASR synthetic benchmark and multidimensional evaluation framework tailored to enterprise domains, (2) systematic evaluation of frontier ASR systems across 5 language pairs, (3) diagnostic analysis of the additional transcription errors that code-switching introduces across language pairs and models. We release COSE-E to support enterprise-focused CSASR evaluation for multilingual voice agents in enterprise deployment.
发表机构
- ServiceNow AI Research（ServiceNow AI研究院）
- Qualcomm Technologies, Inc.（高通技术公司）
机构由 AI 辅助整理，请以论文原文为准。
