Yapay zeka destekli ses tanıma sistemlerinin gerçek dünya performansını değerlendirmek için yeni bir test veri seti geliştirildi. AppTek Call-Center Dialogues adlı bu koleksiyon, on dört farklı İngilizce aksanında spontan müşteri-temsilci konuşmalarını içeriyor. Araştırma, mevcut açık kaynak ses tanıma sistemlerinin farklı aksanlar karşısında büyük performans farklılıkları gösterdiğini ortaya koyuyor. Bu çalışma, Amerikan İngilizcesi üzerinde iyi performans gösteren sistemlerin, küresel kullanıcı tabanının çeşitli aksanları karşısında aynı başarıyı gösteremediğini kanıtlıyor. Özellikle konuşmalı yapay zeka uygulamaları için kritik olan bu bulgular, ses tanıma teknolojilerinin daha kapsayıcı geliştirilmesi gerektiğine işaret ediyor.

Kuşların şarkı söyleme zamanlaması ve tarzları, bölgeden bölgeye değişiyor. Araştırmalar, kuşların en çok şafaktan bir saat önce ötmeyi tercih ettiğini ortaya koyuyor. Bu dönemde havanın sakin olması sayesinde sesler çok daha uzağa ulaşabiliyor ve ötüşün etkinliği gündüze kıyasla 20 kata kadar artıyor. Bu keşif, kuşların sadece içgüdüsel olarak değil, çevresel koşulları da değerlendirerek davrandığını gösteriyor. Bölgesel farklılıklar ise kuş türlerinin bulundukları coğrafyanın akustik özelliklerine uyum sağladığını işaret ediyor. Bu durum, insan aksanlarına benzer şekilde, yerel koşulların kuş iletişimini nasıl şekillendirdiğini gözler önüne seriyor.

Araştırmacılar, günlük uygulamalarda yaygın olarak kullanılan büyük ses-dil modellerinin (LALM) önyargılı davranışlarını inceledi. VIBE adlı yeni değerlendirme sistemi, gerçek insan ses kayıtları kullanarak bu modellerin kişiselleştirilmiş önerilerde nasıl önyargılı sonuçlar ürettiğini ortaya koydu. 11 farklı gelişmiş modelin test edildiği çalışma, özellikle cinsiyet ipuçlarının aksanlardan daha fazla önyargılı davranışa yol açtığını gösterdi. Bu bulgular, yapay zeka sistemlerinin toplumsal kalıp yargıları nasıl yeniden ürettiğine dair önemli ipuçları sunuyor.

Araştırmacılar, otomatik konuşma tanıma sistemlerinin farklı aksanlardaki hata oranlarını büyük ölçüde azaltan yeni bir yöntem geliştirdi. Pseudo2Real adı verilen bu teknik, sahte etiketlerin neden olduğu sistematik hataları düzeltmek için parametre uzayında matematiksel bir düzeltme vektörü kullanıyor. Afrika aksanları üzerindeki testlerde kelime hata oranını %35'e kadar azaltan bu yaklaşım, gerçek dünya koşullarında sınırlı etiketli veri bulunan durumlar için umut verici sonuçlar sunuyor.

Ohio'da yapılan yeni bir araştırma, aksanların sadece coğrafi konumla değil, kişisel kimlikle de şekillendiğini ortaya koydu. Kırsal bölgelerde yaşayan ve 'taşralı' kimliğe sahip erkeklerin sesli harf telaffuzları, aynı bölgede yaşayan ancak farklı ilgi alanlarına sahip komşularından belirgin şekilde farklıydı. Av, silah ve country müzik seven erkeklerle tiyatro, golf ve rock müziği tercih edenlerin konuşma kalıpları arasında ölçülebilir farklar tespit edildi. Bu bulgular, dilin sosyal kimlik inşasındaki rolünü gözler önüne seriyor ve aksanın coğrafyadan çok kişisel tercihlerle şekillenebileceğini gösteriyor. Sosyolinguistik alanda önemli bir keşif olan bu çalışma, konuşma kalıplarının toplumsal aidiyeti nasıl yansıttığına dair yeni perspektifler sunuyor.

Araştırmacılar, Afrika dillerinde ses çevirisi teknolojisini ilerletmek için NaijaS2ST adlı yeni bir veri seti geliştirdi. Bu veri seti, Nijeryalı dört dili (İgbo, Hausa, Yoruba ve Nijerya Pidgin İngilizcesi) kapsayan 50 saatlik ses kaydı içeriyor. Çalışma, kaynak yetersizliği çeken Afrika dillerinde ses çevirisi alanındaki önemli bir boşluğu dolduruyor. Farklı konuşmacılar ve aksanları barındıran veri seti, gerçek dünya koşullarını yansıtacak şekilde tasarlandı. Araştırmacılar, üç farklı çeviri yaklaşımını test ederek, az sayıda örnekle çalışan ses tabanlı yapay zeka modellerinin klasik yöntemlere göre daha etkili olduğunu buldu. Bu gelişme, teknolojik kaynaklara sınırlı erişimi olan dillerin dijital dünyada daha fazla temsil edilmesine katkı sağlayabilir.

Araştırmacılar, sesli yapay zeka sistemlerinin kullanıcıların aksanına ve seslerinin cinsiyet algısına göre farklı davranış sergilediğini keşfetti. Çalışmada altı farklı aksan ve iki cinsiyet sunumu üzerinden yapılan testler, AI'ların belirli ses özelliklerine sahip kullanıcılara daha düşük kaliteli yanıtlar verdiğini ortaya koydu. İnteraktif değerlendirme yöntemiyle yapılan araştırma, ses dönüştürme teknolojisinin kullanıcıların bu önyargıları fark etmesine nasıl yardımcı olabileceğini de inceledi. Bulgular, sesli AI sistemlerinde adalet ve eşitlik açısından önemli sorunlara işaret ediyor.