Akzente & Bias in der Stimmbiometrie meistern

Abbildung 1: Die globale Vielfalt der Stimme kartieren

Die „Akzent-Lücke“

Historisch funktionierte die Spracherkennung hervorragend für Akzente wie „General American“ oder „Received Pronunciation“ (britisch).
Bei Nicht-Muttersprachlern, regionalen Dialekten oder AAVE versagte sie kläglich.

Warum? Überwachtes Lernen stützte sich auf beschriftete Datensätze (meist eingelesen von bezahlten Sprechern in Studios).

Der Einzug des selbstüberwachten Lernens (SSL)

Moderne Modelle (wie Wav2Vec 2.0 und HuBERT) benötigen keine Beschriftungen.
Sie trainieren mit über 100,000 Stunden zufälligem Internet-Audio (YouTube, Podcasts, Radio) in über 100 Sprachen.

Physik lernen, nicht Aussprache

Alte Modelle lernten „Wie man ‚Hello‘ ausspricht“.
Neue Modelle lernen „Wie Ihr Stimmtrakt resoniert“.

• Die Aussprache ist erlernt (variiert je nach Kultur/Akzent).
• Die Physik des Stimmtrakts ist biologisch (einzigartig für Sie).

Indem wir uns auf die Physik konzentrieren (Klangfarbe, Tonhöhe, Resonanz), machen wir die Authentifizierung sprachunabhängig.

Fairness im Benchmark

Wir testen die IdentityCall-‘26-Modelle gegen den „FairVoice“-Datensatz.

Akzentgruppe	Falschrückweisungsrate (alt)	Falschrückweisungsrate (neu)
US-Muttersprachler	1.2%	0.8%
Spanischer Akzent	4.5%	0.9%
Asiatischer Akzent	5.1%	1.0%

Die Lücke hat sich geschlossen. Sicherheit sollte nicht diskriminieren.

Inklusiv von Grund auf

Wir „flicken“ Bias nicht einfach. Wir bauen Architekturen, die die kulturelle Schicht der Sprache ignorieren und die menschliche Schicht verifizieren.