回归基础：语音智能体时代重新审视ASR

自动语音识别（ASR）系统在精选基准上已达到接近人类的准确率，但在当前评估未系统覆盖的条件下，仍会在真实语音智能体中失败。缺乏能隔离特定失败因素的诊断工具，从业者便无法预判在哪些条件下、哪些语言中会造成何种程度的性能退化。我们提出WildASR，一个完全源自真实人声的多语言（四种语言）诊断基准，沿环境退化、人群偏移和语言多样性三个轴分解ASR鲁棒性。通过评估七个广泛使用的ASR系统，我们发现严重且不均衡的性能退化，且模型鲁棒性不能跨语言或跨条件迁移。关键的是，模型在部分或退化输入下常常幻觉出听起来合理却并未说出的内容，给下游智能体行为带来具体的安全风险。我们的结果表明，有针对性的、因素隔离的评估对理解和改进生产系统中ASR的可靠性至关重要。除基准本身外，我们还提供了三个可供从业者用于指导部署决策的分析工具。