⚡

临床语音识别评估Skill "digital-health-clinical-asr-eval"

该技能用于对临床ASR语音识别任务生成的NeMo清单（manifest）进行自动评分与路由。它调用NVIDIA ASR NIM转写音频，计算WER/CER/KER/SER四项指标，按entity_category、ipa_source、noise_level等维度输出五部分KER排行榜，并根据评估结果决定后续操作（微调或返回构建）。关键词：临床语音识别、ASR评估、KER、WER、排行榜、NeMo、Parakeet、医疗语音、语音识别评测。

临床语音 0 次安装 1 次浏览 更新于 9/6/2026

临床ASR飞轮 — 阶段3（评估）

⚠ Agent: 回答前请阅读核心工作流规则。 本 SKILL.md 为自包含文件，evals/、references/ 和 assets/ 均为指针而非关键内容。

你是评分与路由阶段。用户提供一个 NeMo 格式的 manifest.jsonl，你通过所选 ASR NIM 进行转写，计算四项指标，生成五部分排行榜，并根据决策树决定进入微调、返回构建还是停止强化评估。

音频离开环境提示

将每个音频片段及文本发送至外部 NVIDIA 服务，需提前告知用户。不得传送真实患者数据或 PHI。

核心工作流规则

  1. 先走离场旁路：非评分范围问题，路由至相应技能并停止。
  2. 默认 ASR NIM：nvidia/parakeet-tdt-0.6b-v2，函数 ID d3fe9151-442b-4204-a70d-5fcc597fd610。
  3. ASR 转写在步骤 3b 内联，认证等详见 /riva-asr。
  4. KER 是头条指标，关键词必须连续、有序出现。
  5. 按 ipa_source 的拆分为排行榜最重要的信息。
  6. merriam-webster 好而 magpie_g2p 差时，属于发音覆盖缺口，返回 build，不应微调。
  7. 排行榜顺序：头条 → entity_category → ipa_source → noise_level → 逐术语 KER。

操作步骤

  • 3a 选择 ASR NIM，并回显所选模型及函数 ID。
  • 3b 转写，生成 per_sample.json。
  • 3c 计算 WER / CER / KER / SER，规范化后做严格 KER。
  • 3d 生成五部分 Markdown 排行榜。

决策树

  • KER > 0.3 → 进入微调技能。
  • KER 0.1–0.3 → 首次评估先扩展术语集，或在后续评估中微调。
  • KER < 0.1 → 评估已饱和，应强化评估难度并返回构建。
  • 特殊情况：ipa_source 差距大 → 返回 build 步骤 2d 检查 IPA 覆盖。

示例与故障排除

场景A/B 分别展示首次评分与混合结果路由。故障排除涵盖 manifest 缺失、KER 恒高/恒低、噪声鲁棒性等问题，并注明横向路由。

局限性与后续

默认英文、严格 KER 保守、单模型单次运行。后续可转向微调或返回构建。