Claytone Sikasote, Hussein Suleman, Jan Buys · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26821 · open-access PDF
स्वचालित भाषण पहचान प्रणालियों (एएसआर) में प्रगति के बावजूद, वर्तमान प्रणालियों में वक्ता-आधारित पूर्वाग्रह प्रदर्शित करते हैं, अर्थात्, उनकी भाषण पहचान प्रदर्शन कुछ वक्ताओं के विपरीत उनकी जनगणना विशेषताओं जैसे लिंग, दृढ़ता और वक्ता प्रकार के आधार पर पूर्वाग्रह है। हालांकि, एक निश्चित एएसआर सिस्टम में वक्ता-आधारित पूर्वाग्रह की सटीक मूल्यांकन में एक पूर्वाग्रह मूल्यांकन डेटासेट की उपलब्धता की आवश्यकता होती है जिसमें एक वक्ता-आधारित उप समूहों के बीच समान भाषण होता है।
Machine translation (Meta M2M100); the English original follows.
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 fo
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26821, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange