arXiv cs.CL· Claytone Sikasote, Hussein Suleman, Jan Buys·· 12 小时前AI 评分20
AfriBED：面向低资源非洲语言的语音识别偏见评估数据集
AfriBED: a Speech Recognition Bias Evaluation Dataset for Low Resource African Languages
AI 导读
研究者发布 AfriBED，一个针对低资源非洲语言 Bemba 和 Nyanja 的语音识别偏见评估数据集，用于检测和估计 ASR 系统的性别与说话人类型偏见。Bemba 集含 80 名说话人的 3928 条语音、共 9 小时，Nyanja 集含 127 名说话人的 6260 条语音、约 18 小时。基线实验显示该数据集可用于考察目标语言中的性别与说话人类型属性偏见。
正文 · AI 翻译
摘要：尽管自动语音识别系统（ASR）取得了进展，但当前系统表现出说话人属性偏差，即其语音识别性能会因说话人的性别、口音和说话人类型等人口统计属性而对某些说话人存在偏差。然而，要准确评估给定 ASR 系统中的说话人属性偏差，需要有一个在说话人属性各子组之间具有可比语音的偏差评估数据集。在本文中，我们介绍了非洲语音偏差评估数据集（AfriBED），这是一个针对两种低资源非洲语言——本巴语和尼扬贾语——的新型语音识别偏差评估数据集，用于检测和估计 ASR 系统的性别和说话人类型偏差。该数据集包含本巴语的 9 小时语音、由 80 位说话人录制的 3928 条话语，而尼扬贾语集包含 6260 条话语、约 18 小时语音，由 127 位说话人录制。我们的基线实验结果表明，这些数据集有助于考察目标语言中的性别和说话人类型属性偏差。
| 评论： | 已被 IEEE SLT 2026 Workshop Demo Track 接收 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.26821 [cs.CL] |
| （或 arXiv:2610.26821v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.26821 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Claytone Sikasote [查看邮箱]
[v1]
2026年10月19日星期一 17:53:32 UTC（240 KB）
[v2]
2026年10月20日星期二 20:22:37 UTC（240 KB）
来源：arXiv cs.CL · arxiv.org