非裔美国人英语的人类与 ASR 转录文本中风格差异的量化
计算与语言
2024-09-06 v1
摘要
用于评估自动语音识别（ASR）系统以及人类转录员性能的常见准确率度量指标，混淆了多种错误来源。当训练数据集与测试数据集之间存在差异时，逐字与非逐字等风格差异会在 ASR 性能评估中发挥重要作用。对于来自代表性不足变体的语音，该问题更加复杂，因为其语音到正字法的映射尚未标准化。我们将 10 小时非裔美国人英语（AAE）语音的 6 个转录版本（4 个人类转录版本和 2 个 ASR 转录版本）中的风格差异进行了分类。聚焦于逐字特征和 AAE 形态句法特征，我们研究了这些类别与通过词错误率（WER）比较转录文本质量之间的相互作用。结果及整体分析有助于阐明 ASR 输出如何成为训练数据中人类转录员所做决策的函数。
引用
@article{arxiv.2409.03059,
title = {Quantification of stylistic differences in human- and ASR-produced transcripts of African American English},
author = {Annika Heuser and Tyler Kendall and Miguel del Rio and Quinten McNamara and Nishchal Bhandari and Corey Miller and Migüel Jetté},
journal= {arXiv preprint arXiv:2409.03059},
year = {2024}
}
备注
Published in Interspeech 2024 Proceedings, 5 pages excluding references, 5 figures