从长时录音构建语音评测数据集：标准化、泛化与隐私

以儿童为中心的音频的长格式录音（LFR）是研究早期语言发展的生态有效来源，但三个问题限制了它们的使用。首先，LFR 语料库是跨站点收集的，具有异构的格式和同意结构，使跨语料库使用并不容易。其次，如果没有标准化的基准，评估工具是否能够跨语言和条件泛化是很困难的。第三，机器学习工作流程很少尊重管理敏感儿童语音的隐私约束。本文提出了一个解决所有三个问题的框架：使用开源工具构建的 27 个以儿童为中心的数据集的标准化集合（S1）；用于四个语音处理基准的可复制管道（S2）； ELSI，一个基于角色的生态系统，将道德治理嵌入到 ML 工作流程 (S3) 中。我们通过语音类型分类案例研究演示了该框架，并表明这三种解决方案是相互依赖的。