ACES：面向语音识别的音调子空间用于耦合、解释与压力测试
声音
2026-03-10 v2 人工智能
音频与语音处理
摘要
语音识别系统在不同音调上表现出持续的性能差距，但这些差距是反映出表面偏见还是深层结构性脆弱性尚不明确。我们引入ACES，通过从语音识别表示中提取音调判别性子空间，将对抗攻击限制在这些子空间上，并测试是否通过去除它们来改善公平性。在Wav2Vec2-base模型上使用七种音调，肉眼不可见的扰动（约60 dB SNR）沿着音调子空间放大WER差距将近50%（21.3->31.8个百分点），超过随机子空间控制组；置换标签测试确认了对真实音调结构的特异性。部分去除子空间会恶化WER和差距，揭示了音调判别特征与识别关键特征之间的深层纠缠。因此，ACES将音调子空间定位为强大的公平性审计工具，而不仅仅是简单的消除杠杆。
引用
@article{arxiv.2603.03359,
title = {ACES: Accent Subspaces for Coupling, Explanations, and Stress-Testing in Automatic Speech Recognition},
author = {Swapnil Parekh},
journal= {arXiv preprint arXiv:2603.03359},
year = {2026}
}