探究自动语音识别系统对二语英语语音变异的敏感性
计算与语言
2023-05-15 v1 声音
音频与语音处理
摘要
自动语音识别（ASR）系统在与其训练语音相似的语音上表现最佳。因此，代表性不足的语言变体，包括地区方言、少数群体说话者以及低资源语言，其词错误率（WER）远高于那些被视为“声望”、“主流”或“标准”的变体。这可能成为将 ASR 技术纳入大规模语言学研究标注过程的障碍，因为对错误自动转录的人工校正可能耗费与人工转写同样多的时间和资源。因此，从语音技术角度（就提升 ASR 准确率而言）和标注角度（了解 ASR 系统可能产生的错误有助于人工校正）深入认识 ASR 系统的行为都是有益的。本工作展示了一种探查 ASR 系统以发现其如何处理多种二语英语中语音变异的方法。具体而言，某些在系统训练数据中罕见或缺失的特定语音实现如何导致音素级误识并造成更高的 WER。结果表明，ASR 的行为在具有相似口语变体（此处为相同母语）的说话者间是系统且一致的，且音素替换错误通常与人标注者一致。通过识别有问题的发音，可通过采集此类发音用于训练和微调来解决特定弱点，从而使系统对发音变异更具鲁棒性。
引用
@article{arxiv.2305.07389,
title = {Investigating the Sensitivity of Automatic Speech Recognition Systems to Phonetic Variation in L2 Englishes},
author = {Emma O'Neill and Julie Carson-Berndsen},
journal= {arXiv preprint arXiv:2305.07389},
year = {2023}
}