論文の概要: RedVox: Safety and Fairness Gaps in Speech Models Across Languages

• arxiv url: http://arxiv.org/abs/2606.26968v1
• Date: Thu, 25 Jun 2026 12:40:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.283159
• Title: RedVox: Safety and Fairness Gaps in Speech Models Across Languages
• Title（参考訳）: RedVox: 言語全体での音声モデルの安全性と公平性
• Abstract要約: 音声対応モデルは、言語を越えた現実世界のアプリケーションにますますデプロイされている。 しかし、彼らの安全と公正さは、イングランドの設定や自然主義的な条件を超越したままである。 このギャップに対処するため、実際の音声で構築された音声と音声のマルチリンガル安全性と公平性ベンチマークであるRedVoxを紹介した。
• 参考スコア（独自算出の注目度）: 24.26585480142046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Speech-capable models are increasingly deployed in real-world applications across languages. Yet their safety and fairness beyond English settings and under naturalistic conditions remain understudied. We survey safety reporting practices across state-of-the-art speech model releases, finding that only 8% document any multilingual analysis. To address this gap, we introduce RedVox, a multilingual safety and fairness benchmark for audio and speech built on real voices, covering unsafe and unfair stereotypical requests across five languages (English, French, Italian, Spanish, and German). Evaluating eight state-of-the-art models, we find that vulnerabilities persist even under non-adversarial conditions, worsen in non-English languages, and are amplified when the request comes from a spoken input. Finally, by surveying the participants who contributed to RedVox, we document the unique personal and privacy challenges of collecting speech data with human participants, pointing to broader sociotechnical challenges in naturalistic speech safety research.
• Abstract（参考訳）: 音声対応モデルは、言語を越えた現実世界のアプリケーションにますますデプロイされている。 しかし、彼らの安全と公正さは、イングランドの設定や自然主義的な条件を超越したままである。 我々は、最先端の音声モデルリリースにおける安全報告の実践を調査し、8%しか多言語分析を文書化していないことを発見した。 このギャップに対処するため、私たちはRedVoxを紹介します。これは、実際の音声上に構築された音声と音声のためのマルチリンガル安全性と公平性ベンチマークで、5つの言語(英語、フランス語、イタリア語、スペイン語、ドイツ語)で、安全で不公平なステレオタイプ要求をカバーしています。 8つの最先端モデルを評価すると、非言語条件下においても脆弱性は持続し、非英語言語では悪化し、要求が音声入力から来ると増幅されることがわかった。 最後に、RedVoxに貢献した参加者を調査することにより、人間と音声データを収集するユニークな個人的およびプライバシ上の課題を文書化し、自然主義的音声安全研究におけるより広範な社会技術的課題を指摘した。

関連論文リスト

• LoASR-Bench: Evaluating Large Speech Language Models on Low-Resource Automatic Speech Recognition Across Language Families [53.111005425237245]
  大規模言語モデル(LLM)は、音声言語モデル(SpeechLM)の大幅な進歩を導いている。 LoASR-Benchはラテン文字と非ラテン文字の両方を特徴とする9つの言語ファミリーの25の言語で構成されている。 実験結果は、現実世界の低リソース言語を扱う際の最新のSpeechLMの限界を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-03-20T15:26:34Z)
• Multilingual Hate Speech Detection and Counterspeech Generation: A Comprehensive Survey and Practical Guide [0.07646713951724012]
  本稿では,多言語ヘイトスピーチ検出と対音声生成のための包括的調査と実践的ガイドを提案する。 非英語とコード混在の文脈でモノリンガルシステムが失敗する理由を分析し、暗黙の憎しみと文化的に特有の表現を欠いている。
  論文  参考訳（メタデータ） (2026-03-01T21:26:53Z)
• Probing the Feasibility of Multilingual Speaker Anonymization [28.445925953669825]
  最先端の匿名化システムを9言語に拡張する。 プライバシー攻撃や音声劣化に対する匿名化音声の堅牢性をテストする実験は、全ての言語でこのシステムの全体的な成功を示している。
  論文  参考訳（メタデータ） (2024-07-03T09:12:53Z)
• BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
  音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。 語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。 テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-06-02T12:54:38Z)
• Scaling Speech Technology to 1,000+ Languages [66.31120979098483]
  MMS(Massively Multilingual Speech)プロジェクトは、タスクに応じてサポート言語を10～40倍増やす。 主な材料は、一般に公開されている宗教文書の読解に基づく新しいデータセットである。 我々は,1,406言語,1,107言語用1つの多言語自動音声認識モデル,同一言語用音声合成モデル,4,017言語用言語識別モデルについて,事前学習したwav2vec 2.0モデルを構築した。
  論文  参考訳（メタデータ） (2023-05-22T22:09:41Z)
• Learning Cross-lingual Visual Speech Representations [108.68531445641769]
  言語横断的な自己監督型視覚表現学習は、ここ数年、研究トピックとして成長している。 我々は最近提案したRAVEn(Raw Audio-Visual Speechs)フレームワークを用いて,未ラベルデータを用いた音声-視覚モデルの事前学習を行う。 1)データ量が多いマルチ言語モデルはモノリンガルモデルよりも優れているが、データの量を維持すると、モノリンガルモデルの性能が向上する傾向にある。
  論文  参考訳（メタデータ） (2023-03-14T17:05:08Z)
• Speak Foreign Languages with Your Own Voice: Cross-Lingual Neural Codec Language Modeling [92.55131711064935]
  本稿では,言語間音声合成のための言語間ニューラルネットワークモデル VALL-E X を提案する。 VALL-E Xは、強い文脈内学習能力を継承し、ゼロショット言語間テキスト音声合成やゼロショット音声音声音声翻訳タスクに応用できる。 未知の話者の声、感情、音響環境を保ちながら、ソース言語の1つの発話をプロンプトとして、ターゲット言語で高品質な音声を生成することができる。
  論文  参考訳（メタデータ） (2023-03-07T14:31:55Z)
• M-SpeechCLIP: Leveraging Large-Scale, Pre-Trained Models for Multilingual Speech to Image Retrieval [56.49878599920353]
  本研究は,多言語画像音声検索におけるCLIPとHuBERTの大規模,英語のみの事前学習モデル(CLIPとHuBERT)の利用について検討する。 非英語画像音声検索では、各言語毎に個別のモデルを訓練する場合と、3言語すべてで音声を処理する1つのモデルの両方において、最先端のパフォーマンスを幅広いマージンで上回ります。
  論文  参考訳（メタデータ） (2022-11-02T14:54:45Z)
• Data Bootstrapping Approaches to Improve Low Resource Abusive Language Detection for Indic Languages [5.51252705016179]
  Indic言語における多言語乱用音声の大規模分析を実演する。 本研究では,異なる言語間伝達機構について検討し,様々な多言語モデルによる虐待的音声検出の性能について検討する。
  論文  参考訳（メタデータ） (2022-04-26T18:56:01Z)
• ADIMA: Abuse Detection In Multilingual Audio [28.64185949388967]
  音声テキストにおける乱用コンテンツ検出は、音声認識(ASR)を実行し、自然言語処理の進歩を活用することで対処することができる。 ADIMAは,言語学的に多様であり,倫理的にも特徴的であり,注釈付きかつバランスの取れた多言語多義性検出音声データセットである。
  論文  参考訳（メタデータ） (2022-02-16T11:09:50Z)
• Perceptimatic: A human speech perception benchmark for unsupervised subword modelling [11.646802225841153]
  音声識別タスクにおいて,音声処理モデルと人間の行動を比較するためのデータセットと手法を提案する。 我々は、フランス語と英語の音声刺激からなるオープンデータセットであるPerceptimaticと、91名の英語と93名のフランス語の聴取者の結果を提供する。 刺激は幅広いフランス語と英語のコントラストを検査し、自然な読み上げ音声のコーパスから直接抽出する。 教師なしモデルや教師付き多言語モデルとは異なり、標準教師付き単言語HMM-GMM音声認識システムでは、携帯電話の識別に長けながら、表現空間が非常に優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-12T18:40:08Z)
• Unsupervised Cross-lingual Representation Learning for Speech Recognition [63.85924123692923]
  XLSRは、複数の言語における音声の生波形から1つのモデルを事前学習することで、言語間音声表現を学習する。 我々は、マスク付き潜在音声表現よりも対照的なタスクを解くことで訓練されたwav2vec 2.0を構築した。 実験により、言語間事前学習はモノリンガル事前訓練よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2020-06-24T18:25:05Z)

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。