論文の概要: Tusom2021: A Phonetically Transcribed Speech Dataset from an Endangered
Language for Universal Phone Recognition Experiments
- arxiv url: http://arxiv.org/abs/2104.00824v1
- Date: Fri, 2 Apr 2021 00:26:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 22:16:35.108250
- Title: Tusom2021: A Phonetically Transcribed Speech Dataset from an Endangered
Language for Universal Phone Recognition Experiments
- Title（参考訳）: Tusom2021: ユニバーサル音声認識実験のための絶滅危惧言語音声データセット
- Authors: David R. Mortensen, Jordan Picone, Xinjian Li, and Kathleen Siminyu
- Abstract要約: 本稿では,絶滅危惧国タングク語東トゥーソム語で2255発の発声を公に書き起こしたコーパスを提示する。
データセットは音素ではなく電話の点で転写されるため、多くの大きなデータセットよりも普遍的な電話認識システムに適しています。
- 参考スコア（独自算出の注目度）: 7.286387368812729
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is growing interest in ASR systems that can recognize phones in a
language-independent fashion. There is additionally interest in building
language technologies for low-resource and endangered languages. However, there
is a paucity of realistic data that can be used to test such systems and
technologies. This paper presents a publicly available, phonetically
transcribed corpus of 2255 utterances (words and short phrases) in the
endangered Tangkhulic language East Tusom (no ISO 639-3 code), a Tibeto-Burman
language variety spoken mostly in India. Because the dataset is transcribed in
terms of phones, rather than phonemes, it is a better match for universal phone
recognition systems than many larger (phonemically transcribed) datasets. This
paper describes the dataset and the methodology used to produce it. It further
presents basic benchmarks of state-of-the-art universal phone recognition
systems on the dataset as baselines for future experiments.
- Abstract（参考訳）: 言語に依存しない方法で携帯電話を認識できるASRシステムへの関心が高まっている。
また、低リソースおよび絶滅危惧言語のための言語技術の構築にも関心がある。
しかし、そのようなシステムや技術をテストするのに使える現実的なデータのpaucityがある。
本稿では,インドで主に話されているチベット・ビルマ語多言語であるタングク語東トゥーサム語(ISO 639-3コードなし)の2255語(単語と短いフレーズ)の公用コーパスについて述べる。
データセットは音素ではなく電話で書き起こされるので、多くの大きな(音素的に書き起こされる)データセットよりも、普遍的な音声認識システムに適している。
本稿では,データセットとその製造方法について述べる。
さらに、将来の実験のベースラインとして、データセット上で最先端のユニバーサル電話認識システムの基本的なベンチマークを示す。
関連論文リスト
- Discovering Phonetic Inventories with Crosslingual Automatic Speech
Recognition [71.49308685090324]
本稿では,未知言語における音声認識における異なる要因(モデルアーキテクチャ,音韻モデル,音声表現の種類)の影響について検討する。
独特な音、類似した音、トーン言語は、音声による在庫発見の大きな課題である。
論文 参考訳（メタデータ） (2022-01-26T22:12:55Z) - Differentiable Allophone Graphs for Language-Universal Speech
Recognition [77.2981317283029]
言語ユニバーサル音声認識システムを構築するには、言語間で共有可能な音声の音韻単位を生成する必要がある。
本稿では,音素転写と音声-音素マッピングのみから,音素レベルの監視を導出するための一般的な枠組みを提案する。
我々は,各言語に対する可読確率的音声-音素マッピングを用いた普遍的な電話ベース音声認識モデルを構築した。
論文 参考訳（メタデータ） (2021-07-24T15:09:32Z) - Multilingual and crosslingual speech recognition using
phonological-vector based phone embeddings [20.93287944284448]
そこで本稿では,音韻処理による音声の埋め込み(トップダウン)とディープニューラルネットワーク(DNN)に基づく音響特徴抽出(ボットアップ)を併用して,音声の確率を計算することを提案する。
音声認識には音響から音韻的特徴への逆変換は不要である。
CommonVoiceデータセット(ドイツ語、フランス語、スペイン語、イタリア語)とAISHLL-1データセット(マンダリン)で実験が行われた。
論文 参考訳（メタデータ） (2021-07-11T12:56:47Z) - Phoneme Recognition through Fine Tuning of Phonetic Representations: a
Case Study on Luhya Language Varieties [77.2347265289855]
音韻アノテーションに基づく多言語認識手法であるAllosaurus を用いた音素認識に焦点を当てた。
挑戦的な実世界シナリオで評価するために,我々は,ケニア西部とウガンダ東部のluhya言語クラスタの2つの種類であるbukusuとsaamiaの音声認識データセットをキュレートした。
私たちは、アロサウルスの微調整がわずか100発話であっても、電話のエラー率を大幅に改善することが分かりました。
論文 参考訳（メタデータ） (2021-04-04T15:07:55Z) - Acoustics Based Intent Recognition Using Discovered Phonetic Units for
Low Resource Languages [51.0542215642794]
本稿では,検出された音素単位を意図分類に用いる新しい音響に基づく意図認識システムを提案する。
我々は,2つの言語群 – インディカル言語とロマンス言語 – に対する2つの異なる意図認識タスクの結果を提示する。
論文 参考訳（メタデータ） (2020-11-07T00:35:31Z) - AlloVera: A Multilingual Allophone Database [137.3686036294502]
AlloVeraは、218のアロフォンから14言語のための音素へのマッピングを提供する。
我々は、AlloVeraで構築された「ユニバーサル」アロフォンモデルであるAllosaurusが、音声書き起こしタスクにおいて「ユニバーサル」音声モデルと言語特化モデルより優れていることを示す。
論文 参考訳（メタデータ） (2020-04-17T02:02:18Z) - Universal Phone Recognition with a Multilingual Allophone System [135.2254086165086]
言語に依存しない音素分布と言語に依存しない音素分布の連成モデルを提案する。
11言語での多言語ASR実験では、このモデルにより2%の音素誤り率でテスト性能が向上することがわかった。
我々の認識器は17%以上の精度向上を実現し、世界中のすべての言語で音声認識に一歩近づいた。
論文 参考訳（メタデータ） (2020-02-26T21:28:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。