論文の概要: Automatic Speech Recognition Biases in Newcastle English: an Error Analysis

• arxiv url: http://arxiv.org/abs/2506.16558v1
• Date: Thu, 19 Jun 2025 19:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.232247
• Title: Automatic Speech Recognition Biases in Newcastle English: an Error Analysis
• Title（参考訳）: ニューカッスル英語における音声認識バイアスの誤り解析
• Authors: Dana Serditova, Kevin Tang, Jochen Steffens,
• Abstract要約: 本研究では,地域方言であるニューカッスル英語におけるASRの性能について検討した。 まず,ASRの誤認識の背後にある重要な音韻,語彙,形態的誤りを同定したサブサンプルのマニュアルエラー解析を行った。 その結果、ASRの誤りは地域方言の特徴と直接相関し、社会要因はASRのミスマッチにおいてより少ない役割を担っていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automatic Speech Recognition (ASR) systems struggle with regional dialects due to biased training which favours mainstream varieties. While previous research has identified racial, age, and gender biases in ASR, regional bias remains underexamined. This study investigates ASR performance on Newcastle English, a well-documented regional dialect known to be challenging for ASR. A two-stage analysis was conducted: first, a manual error analysis on a subsample identified key phonological, lexical, and morphosyntactic errors behind ASR misrecognitions; second, a case study focused on the systematic analysis of ASR recognition of the regional pronouns ``yous'' and ``wor''. Results show that ASR errors directly correlate with regional dialectal features, while social factors play a lesser role in ASR mismatches. We advocate for greater dialectal diversity in ASR training data and highlight the value of sociolinguistic analysis in diagnosing and addressing regional biases.
• Abstract（参考訳）: 音声認識(ASR)システムは、主流品種を好む偏りのある訓練のために、地域方言と競合する。 以前の研究では、ASRの人種、年齢、性別の偏見が特定されていたが、地域的偏見はいまだに過小評価されている。 本研究では, ニューカッスル・イングリッシュ (Newcastle English) におけるASRの性能について検討した。 第1に,ASR誤認識の背後にある音韻的,語彙的,形態的誤りを同定したサブサンプル上の手動誤り解析を行い,第2に,地域代名詞'yous'と'wor'のASR認識の系統的解析に焦点を当てたケーススタディを行った。 その結果、ASRの誤りは地域方言の特徴と直接相関し、社会要因はASRのミスマッチにおいてより少ない役割を担っていることが明らかとなった。 我々は、ASRトレーニングデータにおける方言の多様性の向上を提唱し、地域バイアスの診断および対処における社会言語学的分析の価値を強調した。

関連論文リスト

• Not All Errors Are Equal: Investigation of Speech Recognition Errors in Alzheimer's Disease Detection [62.942077348224046]
  アルツハイマー病(AD)の自動診断における音声認識の役割 近年の研究では,単語誤り率(WER)とAD検出性能の非線形関係が明らかにされている。 本研究は,BERTを用いたAD検出システムにおけるASR転写誤りの影響について,一連の解析を行った。
  論文  参考訳（メタデータ） (2024-12-09T09:32:20Z)
• Advocating Character Error Rate for Multilingual ASR Evaluation [1.2597747768235845]
  本稿では,単語誤り率(WER)の限界を評価指標として記述し,文字誤り率(CER)を主指標として提唱する。 我々は,CERがWERが直面している課題の多くを回避し,書き込みシステム全体の一貫性を示すことを示す。 以上の結果から,多言語ASR評価においてCERを優先的に,少なくとも補足すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-10-09T19:57:07Z)
• Reexamining Racial Disparities in Automatic Speech Recognition Performance: The Role of Confounding by Provenance [7.882996636086014]
  自動音声認識(ASR)モデルとその使用法は公平かつ公平であることが重要である。 この研究は、現在の最先端のニューラルネットワークベースのASRシステムの性能を調べることによって、この格差の根底にある要因を理解することを目的としている。
  論文  参考訳（メタデータ） (2024-07-19T02:14:17Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• A Comparative Study on Speaker-attributed Automatic Speech Recognition in Multi-party Meetings [53.120885867427305]
  会議シナリオにおける話者分散自動音声認識(SA-ASR)の3つのアプローチを評価する。 WD-SOT法は平均話者依存文字誤り率(SD-CER)を10.7%削減する TS-ASRアプローチはFD-SOTアプローチよりも優れ、16.5%の相対的なSD-CER削減をもたらす。
  論文  参考訳（メタデータ） (2022-03-31T06:39:14Z)
• Sequence-level self-learning with multiple hypotheses [53.04725240411895]
  我々は、自動音声認識(ASR)のためのアテンションベースシーケンス・ツー・シーケンス(seq2seq)モデルを用いた新しい自己学習手法を開発した。 従来の教師なし学習手法とは対照的に,我々はEmphmulti-task Learning(MTL)フレームワークを採用する。 実験の結果,本手法は,英語データのみを用いてトレーニングしたベースラインモデルと比較して,英文音声データのWERを14.55%から10.36%に削減できることがわかった。
  論文  参考訳（メタデータ） (2021-12-10T20:47:58Z)
• Quantifying Bias in Automatic Speech Recognition [28.301997555189462]
  本稿では,オランダのsoma asrシステムの性別,年齢,地域アクセント,非母語アクセントに対するバイアスを定量化する。 本研究では,ASR開発におけるバイアス緩和戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-28T12:52:03Z)
• Joint Contextual Modeling for ASR Correction and Language Understanding [60.230013453699975]
  言語理解(LU)と協調してASR出力の文脈的言語補正を行うマルチタスクニューラルアプローチを提案する。 そこで本研究では,市販のASRおよびLUシステムの誤差率を,少量のドメイン内データを用いてトレーニングしたジョイントモデルと比較して14%削減できることを示した。
  論文  参考訳（メタデータ） (2020-01-28T22:09:25Z)

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。