19；Mandya et al., 2020; Koutsoukos et al., 2021）。这里的【错误】不是耳朵没听见，而是【解码器】把某些社会变体判为低概率。

【案例推演】一句 AAE：He be working。【显式】发音上 be 与 is 可能都接近 /b/ 或 /ɪz/，声学证据并不唯一。【流程节点链路】起点：【语音片段】 → 中间节点：【音素后验：be / is 都可】 → 中间节点：【语言模型先验：标准英语更常见 is】 → 终点：【转写 He is working】。如果标注者认为 habitual be 是合法语法，系统就被记为【错误】；如果标注者只承认标准英语，系统又被训练成继续惩罚 AAE。【隐式】错误率因此成为【标注规范】和【语料权力】的混合产物。

【细微】很多评测把【参考转写】当真理，但参考转写本身由标注者按【标准语规范】写出。它把【变异】压缩成【错误】，把【社会差异】压缩成【性能差距】。

【极难发现】最危险的不是系统听错某个人，而是默认参数把【谁该被听懂】写进模型：新闻腔、客服腔、标准口音更容易通过识别，方言、AAE、老年变体、儿童变体更容易被降权。

所以真正该问的不是【怎么把 WER 再降 1%】，而是【WER 的参考文本由谁定义】。是否应该把【变体敏感 WER】当成基本检查：按【口音】【方言】【社会身份代理变量】【错误类型】拆分，并公开参考转写的标注规范？否则我们只是在用更精密的仪器，重复旧式的语言等级制。