性别危机？在 MuST-SHE 语料库上评估语音翻译技术
计算与语言
2020-06-11 v1 人工智能
声音
音频与语音处理
摘要
从英语等无生产性语法性别的语言翻译到具有性别标记的语言，对机器而言是众所周知的难题。这一困难也源于模型所基于的训练数据通常反映了自然语言的对称性缺失，包括性别偏见。仅以文本数据训练，机器翻译本质上受限于输入句并非总包含所指人类实体的性别身份线索。但当输入为音频信号时，语音翻译会发生什么？音频能否提供额外信息以减少性别偏见？我们提出首个对语音翻译中性别偏见的深入调查，贡献包括：i) 发布一个有助于未来研究的基准，以及 ii) 比较不同技术（级联与端到端）在两条语言方向（英意/英法）上的表现。
引用
@article{arxiv.2006.05754,
title = {Gender in Danger? Evaluating Speech Translation Technology on the MuST-SHE Corpus},
author = {Luisa Bentivogli and Beatrice Savoldi and Matteo Negri and Mattia Antonino Di Gangi and Roldano Cattoni and Marco Turchi},
journal= {arXiv preprint arXiv:2006.05754},
year = {2020}
}
备注
9 pages of content, accepted at ACL 2020