注意口音差距：语音驱动的金融语音助手中的英国口音稳健性

AI 语音助手通常使用自动语音识别 (ASR) 和基于LLM的推理，但现有系统难以应对英国地方口音，包括苏格兰、爱尔兰和威尔士口音，因为大多数 ASR 模型主要是根据美式英语语音数据进行训练的。因此，错误可能会持续到LLM阶段，破坏工具调用参数并产生错误或丢失的响应，这在财务方面代价尤其高昂。可部署的 ASR 还必须满足严格的延迟和记忆预算，这使得选择强健口音的模型变得更加困难。我们引入了 CavaBench，这是第一个内部收集的口语金融查询基准，并用它来评估一系列 ASR 模型及其在自我报告的英国口音中的端到端 ASR-LLM管道行为。我们发现 WER 强烈预测下游工具调用准确性 ($r = -0.93$)，但可能无法反映任务级性能，与口音相关的故障在不同模型和声学条件下差异很大。这些发现指导了更具包容性、更可靠的语音财务助理的设计。