AppTekコールセンターダイアログ：英語ASRのためのマルチアクセント・ロングフォーム・ベンチマーク

概要: 会話型AIアプリケーション向けの英語ASRシステムを評価することは依然として難しいです。というのも、公開されている多くのコーパスは、短い区間にあらかじめ分割されているか、朗読または事前に用意された発話で構成されているか、あるいは多様なユーザーベースに対する頑健性を評価するための明示的な方言注釈が欠けているためです。本研究では、AppTek Call-Center Dialoguesコーパスを提示します。これは、16のサービス志向シナリオにまたがり、14の英語アクセントをカバーする自発的なロールプレイ形式のエージェント—顧客会話の集まりです。本データセットは評価のために特別に委託されており、リリース以前には音声もテキストも公開されていませんでした。これにより、既存の大規模な事前学習用コーパスとの重複リスクが低減されています。異なる分割アプローチのもとで、一連のオープンソースASRシステムをベンチマークしました。その結果、アクセントや分割手法間で大きなばらつきが見られました。つまり、一般的なアメリカ英語のベンチマークで良好な性能が得られても、それが他のアクセントに必ずしも一般化されるとは限らないことが示されています。