影响 ASR 性能的因素：使用最先进的印度语 ASR 模型进行的研究

ASR 性能因语言、说话者和录音条件而异，但对印度语言的系统分析仍然有限。我们对多个开源 ASR 模型的解码输出进行了大规模研究，这些模型在零样本设置下的不同印度语音数据集上进行了评估。我们分析了印地语、孟加拉语、卡纳达语、泰卢固语和马拉地语的语言、说话者水平和声学因素。我们在多个模型数据集对中检查了 WER 和说话者特征（例如平均词长、语速和话语持续时间）之间的相关性。对于印地语，我们进一步分析音频因素，包括电话编解码器、位深度、重采样和背景噪声。结果揭示了跨语言模式和特定语言的敏感性，显示了说话者行为和信号处理选择如何影响现实世界印度语场景中 ASR 的鲁棒性。