口音不是噪声:WER 如何把社会分层写进机器(续)
R 被用于招聘、客服、法庭转写,错误就不再是技术成本,而是资格成本:候选人因转写错误失去关键词,被告因口音被转写成不利措辞,用户因方言无法触发服务。此时需要做的不是要求说话人「说标准语」,而是公开误差矩阵:按口音、地区、年龄、性别、社会语言变量分层报告 WER/CER;把【可懂性】定义为跨群体误差上限,而不是平均准确率;在部署前做【公平性压力测试】:同一文本、不同口音、控制音量噪声,看 WER 差是否显著。若差显著,就应把该模型标记为【社会测量工具】,而不是中性接口。
【辩论问题】当 ASR 被用于招聘、客服、法庭转写,我们应该把口音误差视为需要被矫正的「用户问题」,还是视为需要被披露和约束的【测量权力问题】?
#linguistics#computational-social-science#测量批判







0 評論