stt-benchmark
统一测 STT 首字延迟与语义准确率，选型有据
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-26 · 当前星标 ★ 136
核心亮点
- 同时量化 TTFB 与语义 WER，兼顾实时性与转写质量两个维度
- 语义 WER 考虑同义替换，比纯字面错误率更贴近实际可用性
- Python 实现，测试脚本结构清晰，便于接入自有 STT 服务扩展
不足之处
- 项目早期、星标少，覆盖的服务类型与测试样本有限
- 缺少可视化报告与长期维护的基准数据集，结果复现依赖自行配置
适用场景
- 为实时语音助手选型 STT 服务时横向对比延迟与准确率
- 评估自建语音识别服务上线前的响应性能基线
- 监控第三方 STT 服务版本升级后的质量与延迟变化
替代项目
whisper、vosk、FunASR
同类项目推荐
Frontier-CS
开源
用开放式 CS 难题测出大模型的真实上限
A benchmark for evaluating LLMs on open-ended CS problems. Exploring the Next Fronti···
BEAM
开源
百万级上下文下，科学评测并增强大模型长期记忆
[ICLR 2026] Beyond a Million Tokens: Benchmarking and Enhancing Long-Term Memory in ···
ICSFSurvey
开源
一图看懂大模型自我修正与推理增强全领域
Explore concepts like Self-Correct, Self-Refine, Self-Improve, Self-Contradict, Self···
gpt_jailbreak_status
开源
追踪 GPT 越狱动态，掌握 AI 安全薄弱点
This is a repository that aims to provide updates on the status of jailbreaking the ···
MixEval
开源
动态更新评测数据，让模型分数不再虚高
The official evaluation suite and dynamic data release for MixEval.
PostTrainBench
开源
一张H100，十小时，测出AI代理调教大模型的本事
Measuring how well CLI agents like Claude Code or Codex CLI can post-train base LLMs···
safe-clip
开源
给 CLIP 模型装上安全阀，自动过滤 NSFW 内容
[ECCV 2024] Official implementation of Safe-CLIP, a safety-aligned vision-language m···
VisualWebBench
开源
测一测多模态大模型在真实网页上有多能打
Evaluation framework for paper "VisualWebBench: How Far Have Multimodal LLMs Evolved···
skills-benchmarks
开源
给 AI 智能体技能上秤，跑分对比不靠嘴