自动语音识别中偏见的量化
音频与语音处理
2021-04-02 v2 计算与语言
声音
摘要
自动语音识别(ASR)系统承诺对人类语音给出客观解读。实践与近期证据表明，最先进的(SotA) ASR 难以应对由性别、年龄、言语障碍、种族和口音等造成的大幅语音差异。诸多因素可导致 ASR 系统的偏见。我们的总体目标是揭示 ASR 系统中的偏见，以致力于主动的偏见缓解。本文作为该目标的第一步，系统性量化了一个荷兰语 SotA ASR 系统相对于性别、年龄、地区口音与非母语口音的偏见。我们比较了词错误率，并进行了深入的音素级错误分析以理解偏见发生的位置。我们主要关注由数据集中发音差异引起的偏见。基于我们的发现，我们提出了 ASR 开发中的偏见缓解策略。
引用
@article{arxiv.2103.15122,
title = {Quantifying Bias in Automatic Speech Recognition},
author = {Siyuan Feng and Olya Kudina and Bence Mark Halpern and Odette Scharenborg},
journal= {arXiv preprint arXiv:2103.15122},
year = {2021}
}
备注
Submitted to INTERSPEECH (IS) 2021. This preprint version differs slightly from the version submitted to IS 2021: Figure 1 is not included in IS 2021