面向稳健 L2 ASR 的专业度感知适应与数据增强
声音
2025-10-14 v1 人工智能
摘要
通用 ASR 对非典型说话者（如 L2 学习者）表现不佳，强化了偏见，限制了在教育和可及性方面的应用。使用 CEFR 分级的 Speak and Improve 语料库，我们表明，对 Whisper 的简单微调虽可降低平均 WER，但同时扩大了差距并对低水平学习者产生不成比例的伤害。为此，我们提出两种策略：(i) 专业度感知多任务学习，联合优化 ASR 与专业度分类；(ii) 针对性增强，对低专业度语音应用频谱遮蔽以抵消不平衡。这些方法可将 WER 降低最高 29.4%（相对），插入/删除错误降低最高 58.6%（相对）。关键的是，尽管数据集严重不平衡反映真实世界的分布，两种策略都能持续缩小专业度差距，推动 L2 学习者实现公平的 ASR。
引用
@article{arxiv.2510.10738,
title = {Proficiency-Aware Adaptation and Data Augmentation for Robust L2 ASR},
author = {Ling Sun and Charlotte Zhu and Shuju Shi},
journal= {arXiv preprint arXiv:2510.10738},
year = {2025}
}
备注
Submitted to ICASSP 2026