埃及与尼日利亚口音英语数据集加入 Open ASR Leaderboard

几个月前，我们为 Open ASR Leaderboard加入了私有数据：来自 Appen 和 DataOceanAI 的 11 个数据集切分，涵盖五种口音的朗读与对话语音（博客）。社区反响热烈，许多人强调了留出集对可信评估的重要性。此后，我们又通过与 Voice Arena 合作，新增了一个印度口音英语的私有切分（博客）。

我们很高兴地宣布与 Liva AI 达成新合作，带来更多私有数据和两种新口音：埃及 🇪🇬 和尼日利亚 🇳🇬。

数据集	口音	时长 [小时]	风格	转写
Liva AI Conversational EG	埃及	1.34	对话、即兴	含标点、区分大小写、含不流畅之处。
Liva AI Conversational NG	尼日利亚	1.55	对话、即兴	含标点、区分大小写、含不流畅之处。

这是我们持续改进 ASR 评估（覆盖更多口音和语言）与提升可信度（新增私有数据以减少刷榜，引入新的数据提供方）努力的一部分。期待社区继续推动 ASR 在全球范围内的性能提升 🤗

Private 标签页提供更丰富的口音细分

有了这些新口音，我们可以基于 Kachru 三圈理论提供更丰富的口音细分（感谢 Hume AI 在其排行榜中提出的这一思路）。Open ASR Leaderboard 现在将报告：

1. 美国 vs. 非美国（英国、澳大利亚、加拿大、印度、尼日利亚、埃及）
2. 内圈（美国、英国、澳大利亚、加拿大）vs. 外圈与扩展圈（印度、尼日利亚、埃及）

随着更多口音的加入，我们还会进一步拆分外圈与扩展圈。

关于 Liva AI

Liva AI 通过真实用户使用的消费级产品来收集多模态交互数据。由于 Liva 同时掌控数据采集环境和分发渠道，能够围绕模型在领域、行业、语言、模态和交互类型等方面的具体短板来设计产品。这让它获得了在真实产品使用中自然产生的高语境行为数据，而非人为诱导或基于任务设计的交互数据。