论 PSTN、VoIP 与神经音频编解码器中的语言与性别偏见
声音
2025-09-26 v2 音频与语音处理
摘要
近年来，语音技术中的公平性与包容性日益受到关注，尤其是在自动语音识别和语音情感分析等领域。当音频在处理前被转码时（如流式或实时应用中的情况），编码机制中固有的任何偏见都可能导致差异。这不仅影响用户体验，还可能通过固化刻板印象和排斥产生更广泛的社会影响。因此，音频编码机制保持无偏见至关重要。在本工作中，我们针对音频编解码器的语言和性别偏见这一匮乏的研究领域做出了贡献。通过分析超过 200 万个多语种音频文件在代表性编解码器子集（PSTN、VoIP 和神经编解码器）转码后的语音质量，我们的结果表明 PSTN 编解码器在性别方面存在强烈偏见，而神经编解码器则引入了语言偏见。
引用
@article{arxiv.2506.02545,
title = {On the Language and Gender Biases in PSTN, VoIP and Neural Audio Codecs},
author = {Kemal Altwlkany and Amar Kuric and Emanuel Lacic},
journal= {arXiv preprint arXiv:2506.02545},
year = {2025}
}
备注
Proceedings of Interspeech 2025