論文の概要: Connecting the Dots: Enduring Performance Gaps in ASR Systems Between Standard and Minority English Varieties

• arxiv url: http://arxiv.org/abs/2610.17761v1
• Date: Tue, 13 Oct 2026 05:42:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:23:03.195558
• Title: Connecting the Dots: Enduring Performance Gaps in ASR Systems Between Standard and Minority English Varieties
• Title（参考訳）: ドットの接続:標準とマイノリティの英語品種間のASRシステムにおけるパフォーマンスギャップの持続
• Abstract要約: 2021年から2025年の間に、英語アクセントの多様さを表す8つのデータセット間で16の顕著なシステムについて、縦断評価を行った。 メインストリームアメリカ英語(MUSE)とマイノリティーアクセントの差は頑固であり、時間の関数として確実に減少しない。 我々は、標準のASRベンチマークが、メインストリームのアメリカ英語の品種を弱体化させる暗黙の言語ポリシーを制定していると論じる。
• 参考スコア（独自算出の注目度）: 49.73877709076111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic Speech Recognition (ASR) system evaluations have consistently revealed performance disparities along lines of race, gender, socioeconomic status, and language variety. While these disparities are well-documented, they are often (implicitly or explicitly) treated as issues that subsequent, larger, and more universal models will correct. We challenge this assumption of steady progress in reducing accent-related performance disparities, conducting a longitudinal evaluation of 16 prominent systems released between 2021-2025 across 8 datasets representing diverse English accent varieties. We find that the performance disparity between Mainstream US English (MUSE) and minority accents is stubborn, not reliably declining as a function of time. Specifically, while systems are reliably performant on MUSE, minority accents are subject to risks of large performance degradations between generations of systems, sometimes worsening by 65% absolute Word Error Rate. We argue that standard ASR benchmarks enact an implicit language policy privileging Mainstream US English varieties. As such, these performance disparities reflect systemic failures of language technology development infrastructure that disproportionately affect underrepresented speaker populations.
• Abstract（参考訳）: 自動音声認識(ASR)システムの評価は、人種、性別、社会経済的地位、言語多様性などに沿った性能格差を一貫して明らかにしている。 これらの相違はよく文書化されているが、後続の、より大きく、より普遍的なモデルが正す問題として、しばしば(単純または明示的に)扱われる。 本研究では,アクセント関連性能格差の低減に着実に進展しているという仮定に挑戦し,英語アクセントの多様さを表す8つのデータセットにまたがって,2021～2025年にリリースされた16の顕著なシステムについて縦断評価を行った。 メインストリームアメリカ英語(MUSE)とマイノリティーアクセントの差は頑固であり、時間の関数として確実に減少しない。 特に、システムはMUSE上で確実に動作しますが、少数アクセントは世代間で大きなパフォーマンス劣化のリスクに晒され、時には65%の絶対単語誤り率で悪化します。 我々は、標準のASRベンチマークが、メインストリームのアメリカ英語の品種を弱体化させる暗黙の言語ポリシーを制定していると論じる。 このように、これらの性能格差は、言語技術開発インフラの体系的な失敗を反映しており、不均等に表現されていない話者に影響を及ぼす。

関連論文リスト

• Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
  大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。 我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。 Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
  論文  参考訳（メタデータ） (2026-07-21T16:15:05Z)
• All Languages Matter: Understanding and Mitigating Language Bias in Multilingual RAG [87.74635133954975]
  現在のマルチ言語検索・拡張生成システム(mRAG)は,再ランク付け時に言語バイアスに悩まされていることを示す。 textittextbfLanguage-textbfAgnostic textbfUtility-driven textbfReranker textbfAlignment (LAURA)を提案する。
  論文  参考訳（メタデータ） (2026-04-22T05:33:06Z)
• Recent Trends in Distant Conversational Speech Recognition: A Review of CHiME-7 and 8 DASR Challenges [63.741916531380696]
  CHiME-7と8つの遠隔音声認識(DASR)の課題は、多チャンネル、一般化可能、共同自動音声認識(ASR)、対話音声のダイアリゼーションである。 本稿では,参加者からの重要傾向を分析しつつ,課題の設計,評価指標,データセット,ベースラインシステムについて概説する。
  論文  参考訳（メタデータ） (2025-07-24T07:56:24Z)
• You don't understand me!: Comparing ASR results for L1 and L2 speakers of Swedish [0.5249805590164903]
  我々は,ASRの異なるサービスによって書き起こされたスウェーデン語の母国語,非母国語,読み,自発語に対する認識結果の差に着目した。 単語誤り率を用いて認識結果を比較し、観察された転写誤りを生じる可能性のある言語的要因を解析する。
  論文  参考訳（メタデータ） (2024-05-22T06:24:55Z)
• Twists, Humps, and Pebbles: Multilingual Speech Recognition Models Exhibit Gender Performance Gaps [25.95711246919163]
  現在の自動音声認識(ASR)モデルは、多くの言語やタスクでかなりの変更を加えることなく使用できるように設計されている。 本研究では,3つのデータセット上で広く使用されている2つの多言語ASRモデルの性能を体系的に評価する。 以上の結果から,言語やモデルによって異なる傾向がみられた。
  論文  参考訳（メタデータ） (2024-02-28T00:24:29Z)
• A Deep Dive into the Disparity of Word Error Rates Across Thousands of NPTEL MOOC Videos [4.809236881780707]
  英語のSsim9.8$Kの技術講義とインド・デモグラフィーの様々な部分を表すインストラクターによる書き起こしからなる8740時間の大規模音声データセットのキュレーションについて述べる。 私たちは、キュレートされたデータセットを使用して、インドの多様な話者の人口統計学的特徴にまたがる、YouTube Automatic CaptionsとOpenAI Whisperモデルのパフォーマンスの既存の格差を測定します。
  論文  参考訳（メタデータ） (2023-07-20T05:03:00Z)
• 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)
• Black-box Adaptation of ASR for Accented Speech [52.63060669715216]
  我々は,ターゲットアクセントからの音声にブラックボックス,クラウドベースのASRシステムを適用する問題を紹介した。 そこで我々は,オープンソースアクセント調整型ローカルモデルとブラックボックスサービスとの結合を新たに提案する。 本アルゴリズムは,既存の単語レベルの組み合わせ手法よりもアクセントエラーの修正が優れている。
  論文  参考訳（メタデータ） (2020-06-24T07:07:49Z)

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。