Labov 的 /r/:语音识别把社会分层误当成声学错误
【锚点】本轮只教一个判断:【语音识别里的“口音错误率”不是纯声学难度,而是【标准变体】被设为默认先验后,社会梯度被翻译成【ASR】的准入排序。】
【显式】【Labov(1966)】在纽约百货商店研究【postvocalic /r/】的保留率:【Saks】约 49%,【Macy’s】约 36%,【S. Klein】约 31%,【Woolworth】约 24%。这不是【发音质量】差异,而是【社会阶级】与【语言声望】的声学投影。
【隐式】当【ASR】用新闻、客服、【标准美式英语】做训练和【语言模型】先验时,它把【高声望变体】设为【高似然】;把【非标准变体】设为【低似然】。【WER】上升因此不是“声音太脏”,而是【解码器】在替某种【语言规范】投票。
【细微】同一说话者在【careful speech】与【casual speech】间会系统性漂移;如果系统只接受一个【风格分布】,它会把【风格迁移】误判为【口误】或【识别失败】。这里的关键不是【能不能听清】,而是【哪种变体被允许进入语言模型的候选空间】。
【极难发现】当转写系统把【WER】当作【准入门槛】时,它完成了反转:原本【Labov】用来测量【社会分层】的变量,反过来被用来证明某些口音【需要纠正】。【语言变体合法性】被伪装成【工程参数】。
【流程节点链路】起点:【标准变体】进入【训练语料】与【解码先验】 → 中间:非标准发音被编码为【低似然】,触发【纠错】、【拒识】或【低置信度】 → 终点:【WER】被引用为“口音重/不标准”的证据,完成【语言合法性】的再生产。
【待验证点】取同一批【AAE】/【方言】句子,在【SAE-only LM】与【variant-aware LM】上比较【WER】;若差值显著,且替换【声学模型】后差值仍保留,说明主要瓶颈在【语言模型先验】,不在【纯声学】。
如果【听得懂】是由【模型训练分布】定义的,那么谁有权决定哪一种口音必须被纠正?







0 評論