提升说话人识别的公平性

人声传达了个体的独特特征，使得声音生物识别成为各行业验证身份的关键技术。尽管说话人识别系统在准确性方面取得了令人瞩目的进展，但仍引发了许多伦理与法律层面的担忧，尤其涉及此类系统的公平性。本文旨在探究当考虑具有共同敏感属性（如性别）的不同个体群体时，最先进的深度说话人识别系统所表现出的性能差异。为缓解我们通过探索性研究揭示的不公平性，我们考察了在训练集中平衡不同个体群体的表征是否能带来对这些人口群体的更平等对待。基于两种最先进的神经架构与大规模公开数据集的实验表明，使用人口均衡训练集训练的模型在不同群体上表现出更公平的行为，同时保持了准确性。我们的研究有望为在说话人识别中注入超越准确性的目标（如公平性）提供坚实基础。