Estimación de incertidumbre para un sistema de reconocimiento de voz
Barra lateral del artículo
Contenido principal del artículo
Resumen
Whisper es un sistema de reconocimiento de voz diseñado por la compañía OpenAI, dicho
sistema ha sido entrenado con 680,000 horas de datos supervisados multilingües y multitarea
recopilados de la web. La siguiente investigación tiene como objetivo adaptar y emplear la
técnica de Monte Carlo Dropout utilizando datos audios etiquetados en español y contaminados
con una cantidad de ruido y la distancia de Levensthein para estimar la incertidumbre de dicho
sistema. Resultados preliminares muestran que existe una relación lineal entre la estimación
de la incertiumbre utilizando la distancia Levensthein y el medoide respecto al Word Error Rate
(WER) de las transcripciones, además se observa que la cantidad de inserciones u omisiones
en las transcripciones tiende a ser bajo.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Díaz, C., Calderon-Ramirez, S., y Aguilar, L. D. M. (2022). Data quality metrics for unlabelled datasets. En 2022
ieee 4th international conference on bioinspired.
Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., y Sutskever, I. (2022). Robust speech recognition
via large-scale weak supervision. arXiv preprint arXiv:2212.04356 .
Mena, J., Pujol, O., y Vitria, J. (2021). A survey on uncertainty estimation in deep learning classification systems
from a bayesian perspective. ACM Computing Surveys.
Loquercio, A., Segu, M., y Scaramuzza, D. (2020). A general framework for uncertainty estimation in deep
learning. IEEE Robotics and Automation Letters, 5 (2), 3153–3160.
Gal, Y., y Ghahramani, Z. (2016). Dropout as a bayesian approximation: Representing model uncertainty in
deep learning. En international conference on machine learning (pp. 1050–1059)
Jayashankar, T., Roux, J. L., y Moulin, P. (2020). Detecting audio attacks on asr systems with dropout uncertainty. arXiv preprint arXiv:2006.019