論文の概要: Everyone deserves their voice to be heard: Analyzing Predictive Gender Bias in ASR Models Applied to Dutch Speech Data

• arxiv url: http://arxiv.org/abs/2411.09431v1
• Date: Thu, 14 Nov 2024 13:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:22:27.427967
• Title: Everyone deserves their voice to be heard: Analyzing Predictive Gender Bias in ASR Models Applied to Dutch Speech Data
• Title（参考訳）: オランダの音声データに応用されたASRモデルにおける予測的ジェンダーバイアスの分析
• Authors: Rik Raes, Saskia Lensink, Mykola Pechenizkiy,
• Abstract要約: 本研究は,オランダ語音声データに基づくWhisperモデルの性能格差の同定に焦点をあてる。 性別グループ間の単語誤り率,文字誤り率,BERTに基づく意味的類似性を解析した。
• 参考スコア（独自算出の注目度）: 13.91630413828167
• License:
• Abstract: Recent research has shown that state-of-the-art (SotA) Automatic Speech Recognition (ASR) systems, such as Whisper, often exhibit predictive biases that disproportionately affect various demographic groups. This study focuses on identifying the performance disparities of Whisper models on Dutch speech data from the Common Voice dataset and the Dutch National Public Broadcasting organisation. We analyzed the word error rate, character error rate and a BERT-based semantic similarity across gender groups. We used the moral framework of Weerts et al. (2022) to assess quality of service harms and fairness, and to provide a nuanced discussion on the implications of these biases, particularly for automatic subtitling. Our findings reveal substantial disparities in word error rate (WER) among gender groups across all model sizes, with bias identified through statistical testing.
• Abstract（参考訳）: 近年の研究では、Whisperのような最先端(SotA)自動音声認識(ASR)システムが、様々な人口集団に不均等に影響を及ぼす予測バイアスをしばしば示している。 本研究は,オランダ語音声データセットとオランダ国立放送協会から得られたオランダ語音声データに基づいて,Whisperモデルの性能格差を特定することに焦点を当てた。 性別グループ間の単語誤り率,文字誤り率,BERTに基づく意味的類似性を解析した。 Weerts et al (2022) の道徳的枠組みを用いて、サービス障害と公正性の評価を行い、特に自動サブティットリングにおいて、これらのバイアスの影響について微妙な議論を行った。 以上の結果から, 性別群間での単語誤り率 (WER) の差は, 統計検査により明らかとなった。

関連論文リスト

• DENOASR: Debiasing ASRs through Selective Denoising [5.544079217915537]
  本稿では,2つの性別グループ間の単語誤り率の相違を低減するために,選択的なデノケーション手法であるDeNOASRを提案する。 一般的な2つの音声認識手法である「DEMUCS」と「LE」を組み合わせることで、全体的な性能を損なうことなく、ASRの相違を効果的に軽減できることがわかった。
  論文  参考訳（メタデータ） (2024-10-22T05:39:24Z)
• Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models [50.40276881893513]
  本研究では,音声大言語モデル(SLLM)における社会的バイアスの評価を目的としたデータセットであるSpken Stereosetを紹介する。 多様な人口集団の発話に対して異なるモデルがどのように反応するかを調べることで、これらのバイアスを特定することを目指している。 これらの結果から,ほとんどのモデルではバイアスが最小であるが,ステレオタイプや反ステレオタイプ傾向がわずかにみられた。
  論文  参考訳（メタデータ） (2024-08-14T16:55:06Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Sonos Voice Control Bias Assessment Dataset: A Methodology for Demographic Bias Assessment in Voice Assistants [10.227469020901232]
  本稿ではSonos Voice Control Bias Assessmentデータセットを紹介する。 1,038人のスピーカー、166時間、170kのオーディオサンプル、9,040のユニークなラベル付き文字起こし。 その結果、年齢、方言、民族によって統計的に有意な差が見られた。
  論文  参考訳（メタデータ） (2024-05-14T12:53:32Z)
• The Balancing Act: Unmasking and Alleviating ASR Biases in Portuguese [5.308321515594125]
  本研究は,Whisper および MMS システムの総合的な探索を目的としたものである。 調査対象は性別,年齢,肌の色,位置情報など多岐にわたる。 オーバーサンプリング技術がこのようなステレオタイプバイアスを軽減することを実証的に示す。
  論文  参考訳（メタデータ） (2024-02-12T09:35:13Z)
• No Pitch Left Behind: Addressing Gender Unbalance in Automatic Speech Recognition through Pitch Manipulation [20.731375136671605]
  本稿では,基本周波数(f0)とホルマントを操作するデータ拡張手法を提案する。 この手法は、表現不足の女性話者の声をシミュレートすることにより、性別間のデータ不均衡を低減する。 自発性英語音声の実験では,女性話者の発話に対して,WERの相対的な改善が9.87%に達することが示された。
  論文  参考訳（メタデータ） (2023-10-10T12:55:22Z)
• Elucidate Gender Fairness in Singing Voice Transcription [5.434559527051845]
  歌唱音声書き起こし(SVT)における性差が性差につながるかどうかを考察する。 ジェンダーデータの不均衡ではなく、ピッチの分布が異なることが、この格差に寄与している。 この問題に対処するために、属性予測器を用いて性別ラベルを予測し、SVTシステムを逆さまに訓練し、音響表現の性差を強制する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-05T15:15:01Z)
• Social Biases in Automatic Evaluation Metrics for NLG [53.76118154594404]
  本稿では,単語埋め込みアソシエーションテスト(WEAT)と文埋め込みアソシエーションテスト(SEAT)に基づく評価手法を提案する。 我々は、画像キャプションやテキスト要約タスクにおける性別バイアスの影響を調査するために、性別対応メタ評価データセットを構築した。
  論文  参考訳（メタデータ） (2022-10-17T08:55:26Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by Ranking Algorithms [68.85295025020942]
  本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。 GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
  論文  参考訳（メタデータ） (2020-09-02T20:45:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。