arXiv cs.CL· Dana Serditova, Kevin Tang·· 12 小时前AI 评分26
一项针对纽卡斯尔英语自动语音识别偏见的社会语言学分析
A Sociolinguistic Analysis of Automatic Speech Recognition Bias in Newcastle English
AI 导读
研究基于DECTE语料库评估一款商用ASR系统对英格兰东北部纽卡斯尔英语的识别表现，细粒度分析了3000余处转写错误。结果显示音系变异占错误多数，反复出现的失败与元音音质、喉塞化等方言特征及本地词汇、非标准语法形式相关；男性及年龄两端说话者错误率更高。错误并非随机，而是具有社会模式，研究据此主张将社会语言学专业纳入语音技术评估与开发。
正文 · AI 翻译
摘要：自动语音识别（ASR）系统广泛应用于日常交流、教育、医疗和工业领域，但其性能在不同说话人之间仍不均衡，尤其是当方言变异偏离训练数据所代表的主流口音时。本研究通过对纽卡斯尔英语的社会语言学分析来考察 ASR 偏见，纽卡斯尔英语是英格兰东北部的一种地区变体，已被证明对当前语音识别技术构成挑战。我们使用泰恩赛德英语历时电子语料库（DECTE）中的自发语音，评估了一个最先进的商业 ASR 系统的输出，并对 3,000 多个转写错误进行了细粒度分析。错误按语言领域分类，并结合性别、年龄和社会经济地位等社会变量进行考察。此外，针对选定元音特征的声学案例研究展示了渐变语音变异如何直接导致误识别。
结果表明，音系变异占错误的多数，反复出现的失败与元音音质和喉化等方言特有特征以及本地词汇和非标准语法形式有关。错误率在不同社会群体之间也存在差异，男性和处于年龄谱两端的说话人错误频率更高。这些发现表明，ASR 错误并非随机，而是具有社会模式，可以从社会语言学角度加以解释。因此，该研究证明了将社会语言学专业知识纳入语音技术评估与开发的重要性，并主张更公平的 ASR 系统需要明确关注方言变异和基于社区的语音数据。
| 评论： | 60 页，12 幅图 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；声音（cs.SD） |
| ACM 分类： | I.2; I.2.7; I.5; J.4; J.5 |
| 引用为： | arXiv:2603.24549 [cs.CL] |
| （或 arXiv:2603.24549v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.24549 arXiv 颁发的 DOI 经由 DataCite |
提交历史
来自：Kevin Tang [查看邮箱]
[v1]
2026 年 3 月 25 日星期三 17:24:47 UTC（2,029 KB）
[v2]
2026 年 10 月 22 日星期四 12:50:43 UTC（2,719 KB）
来源：arXiv cs.CL · arxiv.org