一项针对先进多模态模型语音评估能力的研究显示，AI在评判英语口语表现时存在系统性的口音偏见。被纳入测试的模型包括Google的Gemini 2.5 Pro和Gemini 2.5 Flash、OpenAI的GPT-Audio 1.5，以及开放权重模型Qwen 3 Omni，测试场景覆盖面试、会议报告和英语口语能力测试。

研究选取美国、英国、中国、印度和尼日利亚五种口音的英语语音交由模型评分。结果呈现出一致的等级排序：中国和尼日利亚口音得分最低，印度口音居中，美国和英国口音最高。即便语音内容完全相同，系统仍判定美英口音在表达方式和内容质量上更胜一筹。

值得注意的是，这种等级划分同样反映在模型给出的解释中。研究人员指出，模型反复声称中国和尼日利亚口音的英语使用者表达含糊或难以理解，但实际情况是这些模型非常擅长转录带口音的语音，完全能够理解说话者。

研究团队据此认为，模型的表现并非源于识别能力不足，而是基于口音对说话者形成了一种隐性等级观念。这一发现为多模态模型在招聘面试、语言测评等高风险场景中的部署提出了需要正视的公平性问题。