automatic speech recognition

💡 This dataset was analyzed using an Automatic Speech Recognition model, technology that converts speech into text, for transcription.

این مجموعه داده‌ها با استفاده از یک مدل تشخیص خودکار گفتار، فناوری‌ای که گفتار را به متن تبدیل می‌کند، برای رونویسی تجزیه و تحلیل شد.

💡 "We extracted acoustic parameters such as pitch, speaking rate, and energy from speech, then used Automatic Speech Recognition to transcribe the speech into text for sentiment analysis," said Gao.

گائو گفت: «ما پارامترهای آکوستیکی مانند زیر و بمی صدا، سرعت صحبت کردن و انرژی را از گفتار استخراج کردیم، سپس از تشخیص خودکار گفتار برای تبدیل گفتار به متن برای تحلیل احساسات استفاده کردیم.»

💡 Since the rate of automatic speech recognition errors can be higher for AAE speakers, downstream effects of linguistic discrimination in technology may result.

از آنجایی که میزان خطاهای تشخیص خودکار گفتار می‌تواند برای گویندگان AAE بیشتر باشد، ممکن است اثرات پایین‌دستی تمایز زبانی در فناوری ایجاد شود.

💡 "Across all automatic speech recognition systems, four out of every ten words spoken by Black men were being transcribed incorrectly," said co-author Zion Mengesha.

«زیون منگشا»، یکی از نویسندگان این پژوهش، گفت: «در تمام سیستم‌های تشخیص گفتار خودکار، از هر ده کلمه‌ای که مردان سیاه‌پوست می‌گویند، چهار کلمه به اشتباه رونویسی می‌شود.»