WenetSpeech
10,000+ 小时高质量标注 + 2,400+ 小时弱标注的多域普通话语音语料（YouTube/播客），test-net / test-meeting 是中文 ASR 常用 WER 基线
基本信息
30 秒看懂
中文 ASR 的『规模基准』：多域真实场景（含网络视频与会议），WER 越低越好。Seed 2.0 页 ASR 组 Lite 版 test-net 4.47 / test-meeting 5.31，同表 Gemini-3.1-Pro 9.52 / 12.80。
采用格局：Seed 2.0 页 ASR 组出现（Lite test-net 4.47 / test-meeting 5.31 vs Gemini-3.1-Pro 9.52 / 12.80；页注 ASR 行用 WER/CER，越低越好）
评分协议
词错率 WER（中文按字错率 CER 口径），越低越好
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布（收录 2 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-03-10
ByteDance Seed / 豆包·国内
模态文本·图像·音频·视频
字节 Seed 系列页将 Seed2.0 Lite 定位为 Seed 基础模型系列首个全模态（omni-modal）理解模型，原生支持视频、图像、音频与文本的统一理解，并升级 Agent、Coding 与 GUI 能力，兼顾输出质量与响应速度，适合通用生产级场景。已收录评测覆盖文本智能体与编码、多模态理解、GUI 操作及视频与音频理解等领域，GPQA Diamond 88.4%、OSWorld Verified 64.4%。
全模态理解生产级通用GUI 操作智能体
查看模型变体与证据
ASR, WenetSpeech test-net 4.47ASR, WenetSpeech test-meeting 5.31
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。