本文介绍了芬兰议会ASR语料库及相关的Kaldi-based数据准备管道，HMM，HMM-DNN和AED ASR配方，以及通过测试集和其他数据集在ASR上设置了基准，最后比较了不同议会元数据的ASR准确性变化。

Mar, 2022

本文研究语音识别中的不公平现象，通过划分发言者的群组并采取公平措施，比较利用地理和人口学信息与扩展的讲者嵌入技术的群组探测方法，发现在过采样和建模讲者群体成员方面均能缩小不同发言者群体间的差距并提高整体精确度。

Jul, 2022

本研究提出了一个分析讲话者分离公平性的新协议和评分方法，对性别、年龄、口音及发音时长等因素对讲话者分离结果的影响进行了大规模数据集实验，发现讲话者口音和性别会对分离结果产生偏见。

Feb, 2023

本文以自动语音识别为例，研究具备道德操守的语音数据集应具备的特征，包括多样性、包容性、关键元数据等，以提高模型鲁棒性与可用性，同时保护用户隐私、提升可解释性、促进社会技术与情境模型设计，旨在鼓励研究者与实践者建立更多人性化的数据集，提高模型效果。

May, 2023

本文使用法语Common Voice数据集对wav2vec~2.0模型的偏见进行计量, 通过对多种固定大小的、精心制作的训练集进行微调, 证明了演讲者多样性的重要性, 并对Common Voice语料库进行了彻底分析, 发现了应该被这个数据集的用户考虑的重要缺陷。

Jun, 2023

本文提出了使用保护隐私的方法来提高自动语音识别的公平性和鲁棒性，通过利用无监督学习从发音级别语音特征中提取得到语音聚类中心作为训练模型的额外特征，实现对任何人群的提高，特别是在不同口音情境下显示出明显改进。

Jun, 2023

本研究描述了一个庞大的语音数据集的构建过程，并利用该数据集评估了印度不同演讲者的性别、籍贯、年龄和语速对YouTube自动字幕和OpenAI Whisper模型性能的影响。结果表明需要更具包容性和鲁棒性的ASR系统以及更具代表性的数据集进行差异性评估。

Jul, 2023

为了确保在不同的音响环境中为不同的人群提供公平性，我们建立了一个系统性的公平评估框架，通过一种新颖且适应性强的评估方法来检查不同模型之间的公平差距，并收集了多种情景和人口学维度的公平评估数据集。我们对1个开源和11个商业化最先进的ASR模型进行了公平评估，结果显示某些模型比其他模型存在更多偏见，这对用户在选择适合特定实际场景的ASR模型时提供了公平性指导。我们进一步探讨了模型对特定人口群体的偏见，并观察到音响领域的变化可能导致新的偏见出现。

May, 2024

该研究引入了Sonos Voice Control Bias Assessment Dataset，一个包含控制人口统计学标签的大型数据集，通过针对音乐领域的语音助手请求（1,038名说话者，166小时，170k音频样本，9,040个唯一标记的转录文本）进行了控制人口统计多样性（性别、年龄、方言区域和种族）。研究还提出了一种统计的人口统计偏见评估方法，适用于这种特定的用例，并利用口语理解度量标准而非转录准确性，我们认为后者更能代表用户体验。通过考虑一对最先进的自动语音识别和口语理解模型，展示了该数据集和统计方法检测人口统计偏见的能力。结果表明在年龄、方言区域和种族之间性能存在统计上显著差异。多变量测试对于阐明方言区域、性别和年龄之间的混合效应至关重要。

May, 2024

这项研究介绍了一个经过策划的口语偏见评估工具包和相应数据集，通过对语音集成大型语言模型中的性别偏见进行评估，揭示了偏见水平与不同评估方法之间的语言相关性差异，并强调了采用多种方法全面评估SILLM中的偏差的必要性，为开发更加公平的SILLM系统提供了见解。

Jul, 2024