論文の概要: AfriBED: a Speech Recognition Bias Evaluation Dataset for Low Resource African Languages

• arxiv url: http://arxiv.org/abs/2610.26821v2
• Date: Tue, 20 Oct 2026 20:22:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.202985
• Title: AfriBED: a Speech Recognition Bias Evaluation Dataset for Low Resource African Languages
• Title（参考訳）: AfriBED:低資源アフリカ言語のための音声認識バイアス評価データセット
• Abstract要約: 本稿では,ベンバ語とニャンジャ語という2つの低資源アフリカの言語に対するアフリカ語音声バイアス評価データセット(AfriBED)を紹介する。 データセットは9時間の音声と3928の発話をベンバの80人の話者が記録し、Nyanjaセットは6260の発話と127人の話者が記録した約18時間の音声を含む。
• 参考スコア（独自算出の注目度）: 6.886020392597204
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Despite advancements in automatic speech recognition systems (ASR), current systems exhibit speaker-attribute bias, i.e., their speech recognition performance is biased against certain speakers based on their demographic attributes such as gender, accents, and speaker type. However, accurately assessing speaker attribute bias in a given ASR system requires the availability of a bias evaluation dataset with comparable speech across subgroups of a speaker attribute. In this paper, we introduce African speech Bias Evaluation Dataset (AfriBED), a novel speech recognition bias evaluation dataset for two low resource African languages, Bemba and Nyanja, to detect and estimate gender and speaker-type bias for ASR systems. The dataset comprises 9 hours of speech with 3928 utterances recorded by 80 speakers for Bemba, while the Nyanja set includes 6260 utterances with approximately 18 hours of speech recorded by 127 speakers. The results of our baseline experiments demonstrate that the datasets are useful for examining gender and speaker-type attribute bias in the target languages.
• Abstract（参考訳）: 音声認識システム(ASR)の進歩にもかかわらず、現在のシステムは話者属性バイアス、すなわち、その音声認識性能は、性別、アクセント、話者タイプなどの人口統計学的特性に基づいて、特定の話者に対して偏っている。 しかし、与えられたASRシステムにおける話者属性バイアスを正確に評価するには、話者属性のサブグループにまたがる同等の音声を含むバイアス評価データセットが必要である。 本稿では,BambaとNyanjaという2つの低資源アフリカ言語を対象とした音声認識バイアス評価データセットであるAfriBED(AfriBED)を導入し,ASRシステムの性別と話者型バイアスを検出し推定する。 データセットは9時間の音声と3928の発話をベンバの80人の話者が記録し、Nyanjaセットは6260の発話と127人の話者が記録した約18時間の音声を含む。 ベースライン実験の結果,対象言語における性別や話者型属性バイアスを調べるのに,データセットが有用であることが示された。

関連論文リスト

• HEAR Who Said What: Unlocking Speaker-Attributed Reasoning via Counterfactual Voice Grounding [54.365959989048406]
  音声言語モデル(SLM)は、ますますマルチスピーカー環境にデプロイされている。 しかし、音声を正しい話者とみなし、話者の身元を判断する能力は、いまだに不明である。 本稿では,話者対応推論の基礎的能力を診断するベンチマークHEARを紹介する。 A2Rは、話者レベルのハードな負を持つ非現実的オーディオに最適化された30Bモデルである。
  論文  参考訳（メタデータ） (2026-08-29T08:01:20Z)
• SCDF: A Speaker Characteristics DeepFake Speech Dataset for Bias Analysis [1.2499537119440245]
  話者特性 ディープフェイクデータセットは、男性と女性両方の話者のバランスの取れた表現で237,000以上の発話を含んでいる。 話者特性が検出性能に大きく影響し,性別,言語,年齢,シンセサイザータイプの違いが明らかになった。 これらの知見は、偏見を意識した開発の必要性を強調し、差別的でないディープフェイク検出システムを構築するための基盤を提供する。
  論文  参考訳（メタデータ） (2025-08-11T12:58:37Z)
• MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models [59.80042864360884]
  話者分布自動音声認識(SA-ASR)は,対応する話者に文字を正確に割り当てながら音声を転写することを目的としている。 本稿では,凍結した多言語ASRモデルを用いて話者属性を転写に組み込む新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-27T09:01:08Z)
• Towards measuring fairness in speech recognition: Fair-Speech dataset [14.703638352216132]
  本論文では,ASRモデルの精度評価を支援するために,新たなデータセットであるFair-Speechを紹介した。 私たちのデータセットには、米国593人による録音された音声で約26.5Kの発声が含まれています。
  論文  参考訳（メタデータ） (2024-08-22T20:55:17Z)
• 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)
• Listen and Speak Fairly: A Study on Semantic Gender Bias in Speech Integrated Large Language Models [38.64792118903994]
  SILLMのジェンダーバイアスを4つの意味的タスクで評価した。 分析の結果, バイアスレベルは言語に依存し, 評価方法によって異なることが明らかとなった。
  論文  参考訳（メタデータ） (2024-07-09T15:35:43Z)
• EARS: An Anechoic Fullband Speech Dataset Benchmarked for Speech Enhancement and Dereverberation [83.29199726650899]
  EARSデータセットは、さまざまなバックグラウンドから107人の話者で構成され、100時間のクリーンで無響な音声データである。 データセットには、感情的なスピーチ、異なる読み方、非言語音、会話の自由なスピーチなど、幅広い種類の話し方が含まれている。 提案手法は,データセット上での音声強調とデバーベレーションのための様々な手法をベンチマークし,その性能を測定値を用いて評価する。
  論文  参考訳（メタデータ） (2024-06-10T11:28:29Z)
• 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)
• Residual Information in Deep Speaker Embedding Architectures [4.619541348328938]
  本稿では,最新の高性能DNNアーキテクチャを用いて抽出した6組の話者埋め込みについて解析する。 データセットには46人の話者が同じプロンプトを発信し、プロのスタジオや自宅の環境に記録されている。 その結果、解析された埋め込みの識別力は非常に高いが、分析された全てのアーキテクチャにおいて、残余情報は依然として表現の中に存在することがわかった。
  論文  参考訳（メタデータ） (2023-02-06T12:37:57Z)

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。