测量转录噪声对下游语言理解任务的影响
计算与语言
2025-02-20 v1
摘要
随着录制的人类语音日益普遍，口语理解（SLU）对于其高效处理至关重要。为了处理语音，通常使用自动语音识别技术将其转录为文本。这种语音到文本的转换会在转录文本中引入错误，这些错误随后会传播到下游 NLP 任务中，例如对话摘要。虽然已知转录噪声会影响下游任务，但尚未有系统的方法来分析其在不同噪声严重程度和类型下的影响。我们提出了一个可配置的框架，用于在多样化的噪声环境中评估任务模型，并检验转录清洗技术的影响。该框架促进了对任务模型行为的调查，进而能够支持开发有效的 SLU 解决方案。我们在三个 SLU 任务和四个任务模型上举例说明了我们框架的实用性，提供了关于转录噪声对总体任务及具体模型影响的见解。例如，我们发现任务模型可以容忍一定程度的噪声，并且受转录中错误类型的影响各不相同。
引用
@article{arxiv.2502.13645,
title = {Measuring the Effect of Transcription Noise on Downstream Language Understanding Tasks},
author = {Ori Shapira and Shlomo E. Chazan and Amir DN Cohen},
journal= {arXiv preprint arXiv:2502.13645},
year = {2025}
}