许多语音转文本服务（例如谷歌的服务）提供了置信度得分。就谷歌而言，置信度得分在0到1之间，但显然不是某一特定转录正确的概率，因为不同转录的置信度总和会超过1。此外，有时置信度较高的结果排名反而较低。

那么，它到底是什么呢？在语音识别界，对“置信度得分”是否有公认的定义？我曾看到过关于最小贝叶斯风险的引用，但即使他们使用的是这种方法，这也并不能很好地回答这个问题，因为这取决于对辅助损失函数的选择。

回答：

但显然不是某一特定转录正确的概率，因为不同转录的置信度总和会超过1

统计算法永远不会给你概率的实际值，它们给你的是估计值。在某些情况下，估计值可能不准确，平均来看它们会接近理想值。置信度需要校准。你可以在以下文献中查阅一些理论：

语音识别中置信度措施的校准Dong Yu，IEEE高级会员，Jinyu Li，IEEE会员，Li Deng，IEEE院士https://www.microsoft.com/en-us/research/wp-content/uploads/2011/01/ConfidenceCalibration.pdf

在语音识别界，对“置信度得分”是否有公认的定义？

并没有，每个人都使用自己的算法。从简单的贝叶斯风险（这根本不是最好的估计）到更高级的方法。实际上无法知道谷歌使用的是什么方法。在Kaldi中也有优秀算法的实现：https://github.com/kaldi-asr/kaldi/blob/master/egs/ami/s5/local/confidence_calibration.sh