面向儿童 ASR 错误诊断的因果结构发现
计算与语言
2025-06-03 v1 声音
音频与语音处理
摘要
由于生理（如声道较小）、认知（如发音发育不成熟）和外在（如词汇限制、背景噪声）等相互依赖因素的交织，儿童自动语音识别 (ASR) 的性能通常低于成人。现有分析方法孤立地考察这些因素的影响，忽略了其相互依赖性——例如年龄既直接影响 ASR 准确率，也通过发音技能间接产生影响。在本文中，我们引入因果结构发现来揭示生理、认知、外在因素与 ASR 错误之间的相互依赖关系。随后，我们采用因果量化来衡量各因素对儿童 ASR 的影响。我们将分析扩展至微调模型，以识别哪些因素可通过微调缓解，哪些基本不受影响。在 Whisper 和 Wav2Vec2.0 上的实验证明了我们的发现跨不同 ASR 系统的泛化性。
引用
@article{arxiv.2506.00402,
title = {Causal Structure Discovery for Error Diagnostics of Children's ASR},
author = {Vishwanath Pratap Singh and Md. Sahidullah and Tomi Kinnunen},
journal= {arXiv preprint arXiv:2506.00402},
year = {2025}
}
备注
Interspeech 2025