VoiceBench low

它是什么 Agent summary 事实 · AI 整理

VoiceBench（Chen、Yue et al.,NUS,2024;TACL）是给语音助手（voice assistant,你用嘴说话、它用语音回应的 AI）出的一套标准考卷（benchmark,给 AI 出的标准考卷）,据称是第一套从多个角度考查这类助手的。它的来路有点特别:我们是在别人的技术报告里发现它的,比如 Qwen3-Omni 这类全模态模型的报告,会拿它来测音频能力。

这份考卷有 6,783 条口语指令（spoken instruction,用说话的方式下达的命令）,一部分是机器合成的语音,一部分是真人录的,一共覆盖 8 类任务。它考三方面:通用知识（general knowledge）、听懂并照做指令（instruction-following）、安全合规（safety compliance,会不会照着危险要求乱答）。它还故意往里掺真实说话场景里的干扰,比如说话人口音、混响等环境噪声、内容本身的复杂度。这样一来,考的就不只是“能不能把话听写成文字”（也就是 ASR,语音转文字）,而是“它当个语音助手到底好不好用”。

要注意的地方:有一部分语音是机器合成的（TTS,文字转语音）,不一定能反映真实用户讲话的样子;而且它面向的是通用场景。拿来用的话,它适合充当 MoA（把多个模型组队、各管一块来用）里的口语交互这一块,顺带也能做个口语安全检查。