Akcentų ir šališkumo valdymas balso biometrijoje
October 15, 2025
•min read
DI tyrimai
1 pav.: Pasaulinės balso įvairovės kartografavimas
„Akcentų atotrūkis”
Istoriškai balso atpažinimas puikiai veikė su „bendrine amerikiečių” ar „normine tartimi” (britų) akcentais.
Jis apgailėtinai prastai veikė su ne gimtakalbiais, regioniniais dialektais ar AAVE.
Kodėl? Prižiūrimasis mokymasis rėmėsi paženklintais duomenų rinkiniais (dažniausiai skaitomais apmokamų aktorių studijose).
Įžengia savarankiškos priežiūros mokymasis (SSL)
Šiuolaikiniams modeliams (tokiems kaip Wav2Vec 2.0 ir HuBERT) žymų nereikia.
Jie mokomi iš 100 000+ valandų atsitiktinio interneto garso (YouTube, tinklalaidžių, radijo) daugiau nei 100 kalbų.
Mokomasi fizikos, o ne tarimo
Seni modeliai mokėsi „kaip ištariate ‘Labas’”.
Nauji modeliai mokosi „kaip rezonuoja jūsų balso traktas”.
- Tarimas yra išmokstamas (kinta pagal kultūrą / akcentą).
- Balso trakto fizika yra biologinė (unikali jums).
Sutelkdami dėmesį į fiziką (tembrą, aukštį, rezonansą), autentifikavimą padarome nepriklausomą nuo kalbos.
Sąžiningumo vertinimas
„IdentityCall” ‘26 modelius testuojame su „FairVoice” duomenų rinkiniu.
| Akcentų grupė | Klaidingo atmetimo rodiklis (senas) | Klaidingo atmetimo rodiklis (naujas) |
|---|---|---|
| JAV gimtakalbiai | 1.2% | 0.8% |
| Ispaniškas akcentas | 4.5% | 0.9% |
| Azijietiškas akcentas | 5.1% | 1.0% |
Atotrūkis užsivėrė. Sauga neturėtų diskriminuoti.
Įtrauku iš prigimties
Mes ne tik „užlopome” šališkumą. Mes kuriame architektūras, kurios ignoruoja kultūrinį kalbos sluoksnį ir tikrina žmogiškąjį sluoksnį.
Tags:
