谷歌收购的数据科学社区 Kaggle 的数据准备分析师 Rachael Tatman 在今年早些时候发表了一篇关于性别和方言如何影响 YouTube 自动化标题准确性的文章。她发现 YouTube 自动标题对于女性和苏格兰口音的演讲不太准确，但根据训练数据的使用情况，不同的系统可能会出现不同的错误模式。
“如果是我看了很多弗吉尼亚州的女性发表的演讲，我也会对来自弗吉尼亚州的女性的演讲听得更准确，而对来自加利福尼亚州的男性就听不了这么准确。”Tatman 说。
现有的开源数据集已经被发现存有“偏见”——例如德州仪器最初收集的交换机对话数据集，现在托管在宾夕法尼亚大学语言数据联盟。有偏见的数据在人工智能的其他领域一直是个问题，一些算法被认为更好地识别白人面孔，或者在理解推特上非裔美国人的英语时有困难，这对旨在为不同受众服务的高科技公司和开源项目来说尤其是问题。
Mozilla 还邀请用户验证提交的样本，验证录音的正确性。最近，由网站进行验证的样品包括来自英语世界各个地方口音的正确录音，还配了一个听不清的样本，以及一段猫王的音乐。
Tatman 说，大多数语音助手背后的公司都没有提供内部语音记录，这并不完全是为了防止竞争。 由于很多查询都包含了个人信息，例如网络搜索或短信，如果开放数据将会造成隐私泄露。通过一个人独特的声音就可以识别他。
不过，这些公司仍会在内部使用这些数据：苹果公司过去曾表示，它可以保留两年的Siri数据，以及相应的用户标识（如抽取出的 ID 号码和电子邮件地址），以帮助改进算法。该公司没有对其当前Siri音频保留政策引发的每个评论的进行反馈。
“你的声音是可识别的，”Tatman 说。 “这被认为是可识别的信息。”
Mozilla 也采取了措施来保护用户隐私，因为它收集的是开源语音数据。“我们费尽心力地将用户与相应的录音分开，使得剪辑本身没有嵌入个人识别信息。”
和一些现有的公开可用语音记录数据集（如经过标记的 TED 演讲）相比，Mozilla 数据集的一个优点是，和Siri或Alexa设备的声音样本一样，录音时的环境条件与人们实际使用语音识别软件时的环境条件相似。
Rudnicky解释道：“他们基本上是用浏览器来收集数据，这意味着所收集的数据的更多地代表了目标用户可能具有的特征。例如，我坐在办公室里，我用的麦克风是办公环境下桌面使用的那种，类似这样。”
所收集的录音拥有各种各样的讲者及口音以及所预期规模的数据集，因而会比现有的那些免费的音频资源更实用，甚至比那些大公司秘而不宣的数据集更有价值。“我们在尽可能地撒一张大网”，Henretty称。