WenetSpeech#

概述#

WenetSpeech 是一个大规模中文语音语料库，包含超过 10,000 小时的多领域转录音频数据，专为语音识别研究而设计。

任务描述#

任务类型：自动语音识别（ASR）
输入：包含中文语音的音频录音
输出：中文转录文本
领域：多领域（互联网、会议）

主要特点#

大规模中文语音语料库（10,000+ 小时）
覆盖多领域：互联网内容、会议
高质量转录文本
适用于评估中文 ASR 系统
支持中英混合文本评估

评估说明#

默认配置使用 test_meeting 子集
按领域划分的子集：dev（开发集）、test_meeting（会议领域）
主要指标：MER（Mixed Error Rate，混合错误率）
MER 将中文字符逐字切分，英文单词作为整体切分
提示词："Please listen to the audio and transcribe what you hear"

属性#

属性	值
基准测试名称	`wenet_speech`
数据集ID	lmms-lab/WenetSpeech
论文	N/A
标签	`Audio`, `SpeechRecognition`
指标	`mer`
默认样本数	0-shot
评估子集	`test_meeting`

数据统计#

指标	值
总样本数	22,195
提示词长度（平均）	161 字符
提示词长度（最小/最大）	161 / 161 字符

各子集统计信息：

子集	样本数	提示词平均长度	提示词最小长度	提示词最大长度
`dev`	13,825	161	161	161
`test_meeting`	8,370	161	161	161

音频统计信息：

指标	值
音频文件总数	22,195
每样本音频数量	最小: 1, 最大: 1, 平均: 1
格式	wav

样例示例#

子集: dev

{
  "input": [
    {
      "id": "c30c80b4",
      "content": [
        {
          "text": "Please listen to the audio and transcribe what you hear. Please only provide the transcription without any additional commentary. Do not include any punctuation."
        },
        {
          "audio": "[BASE64_AUDIO: wav, ~175.3KB]",
          "format": "wav"
        }
      ]
    }
  ],
  "target": "对我做了介绍啊那么我想说的是呢大家如果对我的研究感兴趣呢嗯",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "text": "对我做了介绍啊那么我想说的是呢大家如果对我的研究感兴趣呢嗯"
  }
}

提示模板#

提示模板：

Please listen to the audio and transcribe what you hear. Please only provide the transcription without any additional commentary. Do not include any punctuation.

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets wenet_speech \
    --limit 10  # 正式评估时请删除此行

使用 Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['wenet_speech'],
    dataset_args={
        'wenet_speech': {
            # subset_list: ['dev', 'test_meeting']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)