加纳语言青少年健康沟通自动语音识别 (ASR) 的基准测试和领域适应

本文介绍了一项针对三种加纳语言（契维语、达格巴尼语和埃维语）青少年健康交流的自动语音识别 (ASR) 端​​到端研究。这项工作分三个相互关联的阶段进行；首先，我们使用字符和单词错误率（CER、WER）在通用领域圣经语料库和青少年性与生殖健康（ASRH）领域 ASR 数据集上对五个 ASR 系统（三个特定语言的 Wav2Vec2 模型和两个多模态 LLM，Gemma 3n 和 Gemma 4）进行基准测试。其次，在基准的指导下，我们进行有监督的域适应：虽然 Gemma 4 是最强的零样本候选者，但事实证明对其进行微调在计算上是不可行的，因此我们转向紧凑的 Qwen3-ASR-0.6B，在大型加纳圣经语料库（约 90k 样本）上进行微调，并严格对保留的人类收集的域内音频进行评估。微调降低了每种语言的 WER，其中 Ewe 的 WER 最为显着（WER 从 109.3% 降至 64.8%，下降了 44.5 个百分点；CER 从 65.1% 降至 24.9%）。第三，我们通过 KasaHealth 验证工作，这是一个以所有三种语言部署的实时语音优先 ASRH 应用程序，并辅以技术评估工具 Senti-Check。 KasaHealth 接受了 50 名社区受访者的测试，获得了 100% 的聊天批准率、72% 的良好或优秀翻译评级以及 92% 的推荐率，同时也解决了最限制实际使用的领域差距。在所有三个阶段中，证据都趋于一致：对于这些语言，绑定约束是在域内数据中验证的，而不是模型能力或计算。