音声認識における公平性の測定に向けて: Fair-Speechデータセット

現在の音声認識（ASR）用の公共データセットは、異なる人口統計群におけるパフォーマンスなど、公平性の側面に特に焦点を当てない傾向があります。本論文では、多様な自己報告による人口統計情報（年齢、性別、民族、地理的変動、参加者が自分をネイティブ英語話者と考えるかどうかなど）に対するASRモデルの精度を評価するための、公にリリースされたコーパスであるFair-Speechという新しいデータセットを紹介します。当社のデータセットには、米国の593人による録音された約26,500の発話が含まれており、彼らは音声コマンドを言う自分の音声を録音して提出するために報酬を受けています。また、転写されていないソーシャルメディアビデオやオープンソースモデルで訓練されたモデルを含むASRのベースラインも提供します。