VQ-Bench: Valutare la Sensibilità dei Modelli Fondamentali del Parlato alla Fonazione

È stato lanciato un nuovo quadro di valutazione denominato VQ-Bench per analizzare l'interpretazione dei segnali vocali non lessicali da parte dei Modelli Fondamentali del Parlato (SFM). Questo quadro include un dataset parallelo che comprende tipi di fonazione modale, soffiata, scricchiolante e scricchiolio finale sintetizzati. I ricercatori hanno valutato la sensibilità degli SFM attraverso la generazione a risposta aperta in quattro contesti ecologicamente validi, insieme al riconoscimento delle emozioni nel parlato. I risultati hanno indicato notevoli discrepanze nelle prestazioni: una importante API commerciale non ha superato i test essenziali di sanità biometrica, mentre altri modelli hanno mostrato variazioni coerenti in agency, empatia e leadership influenzate dal tipo di fonazione. Inoltre, i risultati hanno rivelato disparità di genere nelle raccomandazioni salariali e di leadership, suggerendo che gli SFM potrebbero riflettere o amplificare i pregiudizi sociali umani. Questa ricerca stabilisce un quadro riproducibile per lo sviluppo responsabile dell'IA. L'articolo è accessibile su arXiv con l'identificatore 2510.25577.