Автоматические судьи речи — это алгоритмы, оценивающие произношение и эмоции. Однако они часто работают как кулинарный критик, который выносит вердикт, прочитав меню, но не попробовав блюдо.
Эксперименты показали: если просто поменять местами две аудиозаписи, ИИ-судья меняет оценку, хотя звук остаётся тем же. Он цепляется за порядок подачи, а не за реальное качество. Полагаясь на стандартный протокол тестирования, а не на истинное звучание, такие системы нельзя считать справедливыми. Чтобы доверять им в будущем, нужно проверять каждую модель на склонность к обману — иначе оценка останется фикцией.
Нейросеть может ставить разные оценки одной и той же записи, если просто поменять местами образцы.