不遗漏任何音高：通过音高操控解决自动语音识别中的性别不平衡问题
计算与语言
2023-10-11 v1
摘要
自动语音识别（ASR）系统已知对语音数据的社会语言学变异性敏感，其中性别起着关键作用。这可能导致男性与女性说话人之间识别准确率的差异，主要源于训练数据中后者群体的代表性不足。虽然在混合 ASR 模型背景下已提出若干解决方案，端到端神经架构中的性别偏差问题尚未被明确解决。为填补这一空白，我们提出一种操控基频（f0）与共振峰的数据增强技术。该技术通过模拟代表性不足的女性说话人语音来减少性别间的数据不平衡，并增加各性别组内的变异性。在自发英语语音上的实验表明，我们的技术对女性说话人语句带来了高达 9.87% 的相对 WER 提升，对于代表性最少的 f0 区间增益更大。
引用
@article{arxiv.2310.06590,
title = {No Pitch Left Behind: Addressing Gender Unbalance in Automatic Speech Recognition through Pitch Manipulation},
author = {Dennis Fucci and Marco Gaido and Matteo Negri and Mauro Cettolo and Luisa Bentivogli},
journal= {arXiv preprint arXiv:2310.06590},
year = {2023}
}
备注
Accepted at ASRU 2023