定义 asr 是 Automatic Speech Recognition 的缩写，指将人类语音自动转换为可读文本的技术能力。 在语音 Agent 等场景中，asr 常作为上游环节，与下游的 llm 推理和 tts 合成串联工作。 在评估上，asr 常用词错误率（WER）或字符错误率（CER）衡量识别质量。 相关词条 audio tts multimodal AI Agent 关联主题 audio tts multimodal AI video llm Agent