Newcastle 英语自动语音识别偏差的社会语言学分析

自动语音识别（ASR）系统在日常交流、教育、医疗和产业领域广泛应用，但其性能在说话人之间不均衡，尤其是在方言差异超出训练数据中代表的主流语音 accent 时。本研究通过社会语言学分析 Newcastle 英语——这一北英格兰东部地区的地区变种——来探讨 ASR 偏差。我们使用来自历时电子 Tyneside English 语料库（DECTE）的自发语音，评估了最先进的商业 ASR 系统的输出，并对超过 3000 项转录错误进行细粒度分析。将错误按语言领域分类，并检讨其与性别、年龄和社会经济地位等社会变量之间的关系。此外，声学案例研究选取特定元音特征，展示了梯度音素变异如何直接导致误识别。结果表明，语音学变异占大多数错误的比例， recurrent 失败与方言特定特征（如元音品质和咽化）以及本地词汇和非标准语法形式有关。错误率也随社会群体而异，男性说话人以及年龄极端说话人观察到的错误频率更高。这表明 ASR 错误并非随机发生，而是社会模式化的，并且可以从社会语言学角度解释。该研究表明，在评估和开发语音技术时，必须纳入社会语言学专业知识，并指出更公平的 ASR 系统需要特别关注方言变异和基于社区的语音数据。