arXiv发布InterCorrect提升ASR公平性

发生了什么

据arXiv论文，InterCorrect通过交叉群体校正提升语音识别模型合并的公平性。研究针对自动语音识别（ASR）系统在不同人口统计群体间表现不均的问题，基于SLAM-ASR模型微调连接器并合并子群适应连接器。通过识别关键交叉轴人口统计对并应用特定校正向量，在Fair-Speech数据集上，TIES结合WER校正将整体词错误率从7.38%降至5.13%，改善了跨人口统计轴的性能。