asr-age-gap: 揭示语音交互中的年龄差异真相

Show HN: Whisper transcribes 70-year-olds more accurately than 20-year-olds

这是一个针对语音识别系统的深度研究项目，挑战了业界普遍认为“老年人语音更难识别”的固有偏见。通过对比Whisper和wav2vec2模型在不同年龄段说话者上的表现，研究发现语音识别准确率并未随年龄下降，反而在老年群体中表现更佳。然而，真正的痛点在于传统的固定静默阈值会导致老年用户被频繁打断。该项目通过数据证明，采用语义轮转模型（如Pipecat的smart-turn）能显著改善这一体验，为构建更包容的语音助手提供了关键依据。