非洲语言多语言语音识别的语言学信息化评估
计算与语言
2026-02-05 v1
摘要
词错误率（WER）通过将语音学、声调及其他语言学错误合并为单个词汇错误，无法准确表征非洲语言ASR模型的性能。相比之下，特征错误率（FER）最近受到关注，被视为揭示模型性能中语言学意义错误的可行指标。本文我们在两种非洲语言上评估三个语音编码器，通过补充WER、CER和FER，并加入面向声调的扩展（TER）。我们表明，基于语音学特征计算的FER和TER即使在词级准确率较低时，也揭示了语言学显著性的错误模式。我们的结果显示，模型在段特征上表现更好，而声调（特别是中调和降调）是最具挑战性的特征。乌尔巴哈（Yoruba）的实验结果显示，指标之间存在显著差异，WER=0.788，CER=0.305，FER=0.151。同样对于乌内梅（一种缺乏预训练数据且濒危的语言），一个在总体WER几乎为零且CER为0.461的模型实现了相对较低的FER为0.267。这表明模型的错误往往可归因于单个语音特征错误，而这种现象被像WER这样的全有或全无指标所掩盖。
引用
@article{arxiv.2602.04716,
title = {Linguistically Informed Evaluation of Multilingual ASR for African Languages},
author = {Fei-Yueh Chen and Lateef Adeleke and C. M. Downey},
journal= {arXiv preprint arXiv:2602.04716},
year = {2026}
}
备注
To appear at AfricaNLP 2026