ACLSep, 2023

AfriSpeech-200：用于临床和一般领域 ASR 的泛非洲口音语音数据集

PDF
TL;DR非洲医生与患者之间的比例严重失衡，且存在语音识别算法的种族偏见和非洲口音识别的缺失问题。该研究发布了 AfriSpeech 数据集，为非洲的临床和通用领域的语音识别提供了一个公开的基准测试集和预训练模型。
africadoctor-to-patient ratioclinical automatic speech recognitionracial biasafrispeech
发现论文，激发创造
  • 多领域训练提高口音语音识别

    本文致力于提高自动语音识别系统的准确性与泛化能力，运用多种口音以构建微调数据集用以提高模型的鲁棒性，同时展示多领域数据集优化效果。

    Mar, 2023

  • 利用音频分类提高非洲裔美国人英语的语音识别

    使用少量的长形式非洲裔美国英语（AAE）数据，通过将分类器输出与地理信息相结合，优化洲外识别器，从而减少 AAE 与 MAE 之间的相对词错误率差异 38.5%，而不降低 MAE 的质量。

    Sep, 2023

  • 基于认识不确定性的数据选择，将预训练的 ASR 模型适应于低资源临床语音

    使用信息不确定性的数据选择方法可以减少成本并提高在稀缺数据情况下非洲口音临床自动语音识别的泛化性能，并优于现有最先进 ASR 模型

    Jun, 2023

  • 医学实体在口音语音中的高性能 ASR 模型

    最近自动语音识别在医学领域取得了巨大进展，但对于有口音的医学术语的性能仍然不为人知。本文通过在包含 93 种非洲口音的临床英语数据集上严格评估多个自动语音识别模型，发现尽管某些模型在总体错误率上取得了很低的成绩，但临床术语上的错误率较高，可能对患者安全构成重大风险。为了实证这一点，我们从转录中提取了临床术语，开发了一种新算法来对齐自动语音识别的预测结果与这些术语，然后计算了医学术语的召回率、医学错误率和字符错误率。我们的结果表明，对有口音的临床语音进行微调可以大幅提高医学术语的错误率（相对提高 25-34%），从而提高了它们在医疗环境中的实际应用性。

    Jun, 2024

  • 重音语音识别综述

    该研究论文探讨了自动语音识别（ASR）系统在不同语音口音上的普适性问题，分析了当前最有前景的口音识别方法，并强调了其中的关键挑战。

    Apr, 2021

  • 1000 名非洲人的声音：推进包容性多说话者多口音语音合成

    Afro-TTS 是第一个能够在 86 种非洲口音中生成语音的泛非洲口音英语语音合成系统，包含了代表该大陆丰富的音韵多样性的 1000 个人物形象，可用于教育、公共卫生和自动内容创作。说话者插值保持了自然和口音特点，使得能够创造新的声音。

    Jun, 2024

  • 孟加拉语生物医学数据的自动语音识别

    该研究提出了一个专门针对孟加拉生物医学数据开发的自动语音识别（ASR）原型系统。该系统针对孟加拉语和西利特语两种重要方言，培训和评估了两个流行的 ASR 框架，旨在为数字健康应用创建可部署的健康领域 ASR 系统，从而提高非技术用户在医疗保健领域的可访问性。

    Jun, 2024

  • 英语口音的爱丁堡国际语料库：迈向英语 ASR 的民主化

    该论文介绍了一个新的英语语音数据集 Edinburgh International Accents of English Corpus (EdAcc)，用于更好地代表各种英语语音的多样性，经使用 680,000 小时的转录数据进行训练后，最好的模型在印度、牙买加和奈及利亚等地的表现都有所下降，平均词错误率为 19.7％。

    Mar, 2023

  • AfriNames: 许多 ASR 模型 “屠杀” 非洲人的姓名

    通过多语言预训练、智能数据增强策略以及在多种非洲口音上微调多语言自动语音识别模型，解决使用非洲人名时自动语音识别模型性能下降的问题。相比基准样本，在使用非洲人名的样本上精度相对错误率改善了 81.5%。

    Jun, 2023

  • PriMock57: 一份基层医疗模拟会诊数据集

    本研究详细阐述了开发出的 57 个模拟初级保健咨询数据集，包括音频记录、手动语音层次转录和相关的咨询备注，旨在成为医疗对话 ASR 基准以及转录生成咨询注意事项的数据集。

    Apr, 2022