AfriBED：低资源非洲语言语音识别偏差评估数据集

尽管自动语音识别系统（ASR）取得了进展，但当前系统仍表现出说话人属性偏差，即其语音识别性能会基于说话人的性别、口音和说话人类型等人口统计属性而对某些说话人产生偏向。然而，要准确评估给定 ASR 系统中的说话人属性偏差，需要有一个偏差评估数据集，其中包含跨说话人属性子群体且具有可比性的语音。本文介绍了 African speech Bias Evaluation Dataset（AfriBED），这是一个面向两种低资源非洲语言 Bemba 和 Nyanja 的新型语音识别偏差评估数据集，用于检测和估计 ASR 系统中的性别偏差和说话人类型偏差。该数据集包含 Bemba 语音 9 小时，共有 3928 条语句，由 80 名说话人录制；Nyanja 数据集则包含 6260 条语句，约 18 小时语音，由 127 名说话人录制。基线实验结果表明，这些数据集有助于研究目标语言中的性别属性偏差和说话人类型属性偏差。