MuPe Life Stories Dataset: Spontaneous Speech in Brazilian Portuguese with a Case Study Evaluation on ASR Bias against Speakers Groups and Topic Modeling

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade de São Paulo (USP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorNVIDIA Corporation-
Autor(es): dc.contributorMuseu da Pessoa-
Autor(es): dc.contributorCentro de Excelência em Inteligência Artificial (CEIA-UFG)-
Autor(es): dc.contributorVenturus - Centro de Inovação Tecnológica-
Autor(es): dc.creatorLeal, Sidney-
Autor(es): dc.creatorCandido, Arnaldo-
Autor(es): dc.creatorMarcacini, Ricardo-
Autor(es): dc.creatorCasanova, Edresson-
Autor(es): dc.creatorGonçalves, Odilon-
Autor(es): dc.creatorSoares, Anderson-
Autor(es): dc.creatorLima, Rodrigo-
Autor(es): dc.creatorGris, Lucas-
Autor(es): dc.creatorAluísio, Sandra-
Data de aceite: dc.date.accessioned2025-08-21T18:18:35Z-
Data de disponibilização: dc.date.available2025-08-21T18:18:35Z-
Data de envio: dc.date.issued2025-04-29-
Data de envio: dc.date.issued2024-12-31-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/309288-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/309288-
Descrição: dc.descriptionRecently, several public datasets for automatic speech recognition (ASR) in Brazilian Portuguese (BP) have been released, improving ASR systems performance. However, these datasets lack diversity in terms of age groups, regional accents, and education levels. In this paper, we present a new publicly available dataset consisting of 289 life story interviews (365 hours), featuring a broad range of speakers varying in age, education, and regional accents. First, we demonstrated the presence of bias in current BP ASR models concerning education levels and age groups. Second, we showed that our dataset helps mitigate these biases. Additionally, an ASR model trained on our dataset performed better during evaluation on a diverse test set. Finally, the ASR model trained with our dataset was extrinsically evaluated through a topic modeling task that utilized the automatically transcribed output.-
Descrição: dc.descriptionStanford Artificial Intelligence Lab-Toyota Center For AI Research-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionUniversity of São Paulo, SP-
Descrição: dc.descriptionUniversidade Estadual Paulista, SP-
Descrição: dc.descriptionNVIDIA Corporation, SP-
Descrição: dc.descriptionMuseu da Pessoa, SP-
Descrição: dc.descriptionCentro de Excelência em Inteligência Artificial (CEIA-UFG), GO-
Descrição: dc.descriptionVenturus - Centro de Inovação Tecnológica, SP-
Descrição: dc.descriptionUniversidade Estadual Paulista, SP-
Descrição: dc.descriptionFAPESP: #2019/07665-4)-
Formato: dc.format6076-6087-
Idioma: dc.languageen-
Relação: dc.relationProceedings - International Conference on Computational Linguistics, COLING-
???dc.source???: dc.sourceScopus-
Título: dc.titleMuPe Life Stories Dataset: Spontaneous Speech in Brazilian Portuguese with a Case Study Evaluation on ASR Bias against Speakers Groups and Topic Modeling-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.