我的資料，我的 benchmark：幫演講筆記系統換一顆語音辨識引擎
引言：為什麼官方分數不夠用 我把演講錄影變成筆記的流程是這樣一條線：逐字稿 → 對應投影片 → 總整理。 這條線的地基是語音轉文字（automatic speech recognition，ASR）。它聽錯多少，後面每一層筆記就跟著錯多少。原本我用的是 OpenAI 的 Whisper large-v3。 這件事的起點，其實是我滑手機看到聯發科（MediaTek Research）發表台語模型 Breeze-ASR-26。 台語模型本身就夠讓人好奇了，但點進去才知道，原來他們去年就出過 Breeze-ASR-25，從 Whisper-large-v2 微調，專門針對台灣華語和中英夾雜優化，Apache 2.0 開源。醫學演講正好是中英夾雜的重災區，我居然錯過了一整年。 於是我同時面對兩顆模型，而它們的官方資料是完全不對稱的。 Breeze-ASR-25 給了一整張成績單，字錯率（word error rate，WER，越低越好）： 資料集 Breeze-ASR-25 Whisper-large-v3 Whisper-large-v2 CSZS-zh-en（中英夾雜） 13.01 26.43 29.49 ASCEND-MIX（中英夾雜） 16.38 25.13 21.01 ASCEND-ZH（華語） 16.04 17.41 17.49 CommonVoice16-zh-TW（台灣華語） 7.97 8.95 9.84 ML-lecture-2021-long（長音檔演講） 4.98 6.41 6.13 （官方欄位寫的是 WLV3-Auto／WLV2-Auto，也就是開啟自動語言偵測的 Whisper。） 它連我當時在用的 large-v3 都贏，中英夾雜那兩列更是壓倒性。這部分我沒有必要再證明一次。 而 Breeze-ASR-26 呢？它只有台語一項成績——但那一項做得很紮實。 官方拿它跟四個系統比台語字元錯誤率（character error rate，CER，越低越好）： 系統 台語 CER Breeze-ASR-26 30.13 教育部台灣台語輸入法 30.70 雅婷逐字稿 32.11 Google Gemini 3 Flash 32.52 Breeze-ASR-25 49.99 它在台語上贏了 Gemini 3 Flash，也贏了雅婷。 這是真本事，不該被忽略。 ...