本文构建并公开了一个 Mizo 语（印度东北部低资源藏缅语系语言）语音识别语料库，规模为 17.62 小时、8274 句、200 名发音人，并在此基础上对三个 Whisper 多语言模型与 SraVaani 1.0 Indic 多语言模型做微调评测。论文还引入了一个面向 Mizo 形态边界灵活书写的「形态感知 WER（MA-WER）」评测指标。研究同时承担了数据集构建、模型适配评测与指标设计三类工作，主体贡献是语料库资源与配套评测协议。
判定: ✅ 分数: 9 依据: 对象界定清晰。语料库规模有完整统计（8274 句、17.62 小时、均值句长 7.67 秒、中位数 6.94 秒、时长 0.63–41.22 秒）；数据划分为说话人独立的训练/验证/测试集（184/11/5 名发音人，16.18/1.02/0.42 小时）；采集过程、7 种格式、16kHz 重采样、人工校对流程均有文档化描述。测试集 192 句 / 0.42 小时 / 5 名发音人，规模偏小但作为低资源语料属合理范围。 Wiki 证据: 无独立 Wiki 词条；论文内部 Table 1/2/3 提供语料与模型的事实性数据。
判定: ⚠️ 分数: 6 依据: 内部对比公平——四种微调模型共用同一说话人独立划分，SraVaani 既有零样本（58.27% WER）也有微调（29.45%）对照。但存在两个显著缺口：其一，论文引用的既有 Mizo SOTA（Bawitlung 2025，wav2vec2-Base-Mizo 16.59%、XLS-R-300M 11.84% WER）在数字上优于本文最佳 Whisper-large-v3 的 18.08%，作者未在自有测试集上复现这些基线做直接对比；其二，缺少最小/非神经基线（如 GMM-HMM）与统计显著性检验。小测试集（192 句）上 18.08% 与 21.69% 的差距未做置信区间分析。 Wiki 证据: 检索确认 Whisper（Radford 2023）、XLS-R（Babu 2021）均为此领域公认强基线，作者引用属实但未纳入实验矩阵。
判定: ⚠️ 分数: 7 依据: 训练、验证、测试集说话人完全隔离（无重叠发音人），验证集用于选 epoch（best val. WER），held-out 测试集仅在最终评测使用，流程设计符合独立性要求。扣分点：测试集仅 5 名说话人、0.42 小时，评测方差较大；错误分析由第三作者（也是语料校对者）人工完成，虽属定性分析不影响指标独立性，但缺少第二标注者一致性检验。 Wiki 证据: 论文 §3.1 明确说明 speaker-independent 划分与验证集选模型流程。
判定: ⚠️ 分数: 5 依据: 本文不涉及模型压缩或架构简化，全部基于现有预训练模型微调。MA-WER 指标在概念上可视为对标准 WER 的「松弛化」——允许最多 4 个相邻 token 拼接后按精确字符比对，这比严格 WER 更贴近 Mizo 形态边界灵活书写下的真实语义，但指标本身带来的是评测口径上的简化而非系统复杂度上的压缩。该公理与本文贡献类型匹配度有限。 Wiki 证据: MA-WER 在 §3.4.3 给出完整定义与示例（a ni ↔ ani 视为等价）。
判定: ⚠️ 分数: 7 依据: 效用有量化支撑——Whisper-large-v3 微调后常规 WER 18.08%、MA-WER 7.22%；SraVaani 微调将 WER 从 58.27% 降至 29.45%、MA-WER 降至 17.93%，相对改善约 51%。MA-WER 全线低于常规 WER，说明形态边界差异在低资源罗马字藏缅语中普遍存在，指标具有实际用途。但效用被削弱：其一，既有已发表系统（XLS-R-300M 11.84%）数字优于本文最佳模型；其二，语料库仅部分发布（训练集中约 5845 句 + 全部验证/测试集在 AI-Kosh 可获取，其余训练数据「very soon」），演示页面 https://clst.iitg.ac.in/tts/mizo-as 返回 HTTP 404。 Wiki 证据: AI-Kosh（aikosh.indiaai.gov.in）返回 HTTP 200，仓库名 IITG-Mizospeech-220726-V2 存在；演示链接实测 404。
判定: ⚠️ 分数: 6 依据: 创新点包括：Mizo 语料库（新资源，虽非首个 Mizo 语料，但为公开发布且规模较大）与 MA-WER 指标（针对 Mizo 形态边界灵活书写的评测协议，据检索此前未见）。非创新部分：Whisper 适配未见语言已有先例（作者引用 Kildin-Sami 微调工作），模型容量对比结论与既有认识一致。三项贡献中，指标与语料是主要新意，模型适配实验为增量验证。 Wiki 证据: 检索到既有 Mizo ASR 工作链（Dey 2017/2018 语音/数字/连续识别，Bawitlung 2025 wav2vec/XLS-R），未见 MA-WER 同类指标先例。
判定: ⚠️ 分数: 5 依据: 数据部分公开——AI-Kosh 仓库可获取部分训练句与全部验证/测试集，采用 ANRF Open License；模型权重仅「research purposes on request」提供，未开放下载；未发布任何训练代码、配置或预处理脚本；演示链接失效（404）。GitHub 检索「mizo asr」仅命中 1 个 0 star 仓库，无社区复现信号。部分数据+无代码+无权重使复现本文 18.08%/7.22% 结果具备可行性但需要较多手工劳动。 Wiki 证据: GitHub API 检索 total_count=1（it370/mizo-asr-ui, 0 stars）；AI-Kosh 首页 HTTP 200。
本文的优点是：提供了结构清晰、规模合理的 Mizo 语料库构建方案，说话人独立划分与验证集选模型流程规范；引入 MA-WER 指标并展示了全线一致的效果提升（所有模型 MA-WER 均显著低于常规 WER），对低资源罗马字藏缅语评测有实际参考价值；零样本与微调对照（SraVaani 58.27%→29.45%）清晰量化了语言适配的必要性，模型容量递增带来的一致性能改善也形成了完整的内部证据链。主要问题在于：论文引用的既有 Mizo SOTA（wav2vec2 16.59%、XLS-R-300M 11.84%）在数字上超过本文最佳结果，作者未在自有测试集上纳入这些基线做公平对比，且小测试集缺少显著性检验；语料仅部分发布、模型权重需申请、代码未公开、演示链接 404，资源声明的即时可复现性明显打折；Mizo 零样本下 Whisper 的适配本身并非新问题，创新主要落在语料与评测指标上，整体贡献增量有限。
| 公理 | 判定 | 分数 | 权重 | 加权 |
|---|---|---|---|---|
| 一 对象公理 | ✅ | 9 | 1.0 | 9.0 |
| 二 识别公理 | ⚠️ | 6 | 1.5 | 9.0 |
| 三 独立性公理 | ⚠️ | 7 | 1.0 | 7.0 |
| 四 压缩公理 | ⚠️ | 5 | 1.0 | 5.0 |
| 五 效用公理 | ⚠️ | 7 | 2.0 | 14.0 |
| 六 新颖性公理 | ⚠️ | 6 | 2.0 | 12.0 |
| 七 可复现公理 | ⚠️ | 5 | 1.0 | 5.0 |
加权总分: 6.4/10
最终建议: Borderline