执行摘要

• 一句话：用 jiwer 替换 evaluate 修复 WER 测试崩溃
• 推荐动作：这是一个直接且低风险的 bug 修复，值得快速合并。它解决了上游依赖不兼容导致的 CI 中断，且经过充分验证。无需精读，但值得关注如何通过直接使用底层库来消除间接依赖。

功能与动机

修复 Issue #49771：Speech-to-text CI 作业中的所有三个 WER 正确性测试都因 evaluate==0.4.3 调用 huggingface_hub.hf_api.HfFolder（已在 huggingface_hub==1.22.0 中移除）而失败。PR body 指出测试仅需要 WER，而 jiwer 已是测试依赖，因此直接使用它更简洁且无运行时在线依赖。

实现拆解

1. 替换导入：在 tests/entrypoints/speech_to_text/correctness/test_transcription_api_correctness.py 中将 from evaluate import load 替换为 from jiwer import wer。
2. 简化 WER 计算：在 run_evaluation 和 run_longform_evaluation 两个函数中，将原来的两行代码（先 wer = load('wer') 再 wer.compute(...)）替换为单行 wer_score = 100 * wer(references, predictions)，直接使用 jiwer.wer 函数。
3. 行为保持：每个样本的对齐和全局错误聚合逻辑不变，jiwer.wer 的默认行为与 Hugging Face 的 WER 指标完全兼容（已在 1900 个随机批次上验证）。
4. 测试验证：通过 pytest 对修改后的测试文件进行 lint 检查，并已验证 jiwer 的结果与 Hugging Face 聚合结果一致。完整的语音正确性套件由 Buildkite CI 覆盖。

关键文件：

• tests/entrypoints/speech_to_text/correctness/test_transcription_api_correctness.py（模块 测试；类别 test；类型 test-coverage）: 这是唯一变更的文件。它替换了 evaluate.load 调用，改用 jiwer.wer 直接计算 WER，修复了因上游 huggingface_hub API 变更导致的 CI 失败。

关键符号：run_evaluation, run_longform_evaluation

关键源码片段

tests/entrypoints/speech_to_text/correctness/test_transcription_api_correctness.py

这是唯一变更的文件。它替换了 evaluate.load 调用，改用 jiwer.wer 直接计算 WER，修复了因上游 huggingface_hub API 变更导致的 CI 失败。

# 变更前：
# from evaluate import load
# ...
# wer = load("wer")
# wer_score = 100 * wer.compute(references=references, predictions=predictions)
​
# 变更后：
# 使用已依赖的 jiwer 替代 evaluate，移除运行时指标下载和不兼容的 API 路径
from jiwer import wer
​
# 在 run_evaluation 和 run_longform_evaluation 中：
wer_score = 100 * wer(references, predictions)

评论区精华

无 review 评论。仅有的审核来自 claude[bot]（注释）和 mgoin（批准并致谢），没有实质性技术讨论。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低：
  • 变更仅涉及单一测试文件中的 3 处修改（导入替换 + 两个函数中各一行简化）。
  • jiwer 已是测试依赖且为 Hugging Face WER 指标后端，行为等价。
  • 数值结果在 1900 个随机批次上已验证完全一致。
  • 不影响生产代码、用户 API 或其他 CI 测试。
  • 影响：
    • 用户：无影响，仅改变测试内部计算方式。
    • 系统：修复持续的 CI 失败（entrypoints-integration-speech_to_text），恢复语音转文本正确性测试的可靠性。
    • 团队：消除了一个 CI 阻断问题，无需再处理 evaluate 的依赖版本冲突。通过移除 evaluate 的运行时下载，也减少了 CI 网络依赖。
    • 风险标记：暂无

关联脉络

• 暂无明显关联 PR