自动语音识别（ASR）模型通常在全精度下接受人口统计公平性审查，但实际生产部署的模型大多经过量化、剪枝和蒸馏等压缩处理。该研究探索了后训练权重压缩是否会重新分配不同人口群体的识别错误负担。在Fair-Speech、Common Voice 25和AfriSpeech-200等数据集上的评测显示，对Whisper-large-v3执行50% Wanda剪枝会显著拉大黑人/非裔与亚裔群体间的词错误率差距，表明压缩会复合加剧时间成本与识别公平性差异。
科大讯飞推出基于全国产算力训练的语音识别大模型Spark-ASR-2.0，该模型依托语音基座大模型Spark-Audio-1.0-Preview构建。新版本在方言免切换识别、嘈杂环境应对、上下文纠错以及口语书面化规范等方面实现显著提升，同时整体推理成本较上一代仅增加10%。目前，该模型已落地讯飞输入法，并通过讯飞开放平台对外提供API服务。
针对传统日语自动语音识别（ASR）以正字法文本作为监督目标导致相同书写形式无法区分不同实际发音、且事后文本转音素难以可靠恢复的问题，研究团队提出了 Ruby-ASR。该方法将传统的单一文本监督目标改进为跨度绑定的正字法与词汇读音联合序列，通过类旁注标记（ruby）的表示形式，完整保留了语音中的读音证据，有效提升了复杂读音场景下的识别监督精度。
该研究审查了现有语音技术数据集中对 LGBTQIA+（酷儿）声音的包容程度，深入分析此类群体代表性缺失的根源。研究人员对6个不同的主流语音数据集进行了审计，结果显示可测量的酷儿声音占比极低（仅占发言者的0%至1.4%），远不足以用于稳健的算法偏见评估。以此群体为案例，研究提出了从边缘化群体采集语音数据时的实际挑战与张力分类法，并与其他数据集展开了对比分析。