Newest papers

AfriBED: a Speech Recognition Bias Evaluation Dataset for Low Resource African Languages

Claytone Sikasote, Hussein Suleman, Jan Buys · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26821 · cited by 0 works (OpenAlex) · open-access PDF

Korean

현재의 시스템은 자동 음성 인식 시스템 (ASR)의 진보에도 불구하고 음성 인식 성능이 특정 음성 인식 특성과 같은 인구 특성에 근거하여 특정 음성 인식 성능에 근거합니다. 그러나, 주어진 ASR 시스템에서 음성 특성의 편견을 정확하게 평가하는 것은 ASR 시스템에 대한 성별 및 음성 유형 편견을 감지하고 ASR 시스템에 대한 편견을 평가하는 편견 데이터 세트의 가용성을 필요로합니다. 이 논문에서는 아프리카 음성 편견 평가 데이터 세트 (AfriBED)를 소개합니다. 80 명의 Bemba 스피커에 의해 기록 된 3928 시간의 연설 시간을 포함하고 있으며, 6260 명의 Nyanja 스피커에 대한 Nyanja 스피커는 약 18 시간의 표준 스피

Machine translation (Meta M2M100); the English original follows.

Abstract

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 for two low resource African languages, Bemba and Nyanja, to detect and estimate gender and speaker-type bias for ASR systems. The dataset comprises 9 hours of speech with 3928 utterances recorded by 80 speakers for Bemba, while the Nyanja set includes 6260 utterances with approximately 18 hours of speech recorded by 127 speakers. The results of our baseline experiments demonstrate that the datasets are useful for examining gender and speaker-type attribute bias in the target languages.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Speech recognition, Set (abstract data type), Speaker recognition, Voice activity detection, Speech processing

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange