論文の概要: Prabhupadavani: A Code-mixed Speech Translation Data for 25 Languages
- arxiv url: http://arxiv.org/abs/2201.11391v1
- Date: Thu, 27 Jan 2022 09:24:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 22:27:11.223476
- Title: Prabhupadavani: A Code-mixed Speech Translation Data for 25 Languages
- Title（参考訳）: Prabhupadavani: 25言語のためのコード混合音声翻訳データ
- Authors: Jivnesh Sandhan, Ayush Daksh, Om Adideva Paranjay, Laxmidhar Behera
and Pawan Goyal
- Abstract要約: Prabhupadavaniは、25言語用の多言語コード混合STデータセットである。
130人以上の話者による94時間のスピーチが含まれており、ターゲット言語の対応するテキストと手動で一致している。
このデータは、コードミキシングされた機械翻訳タスクにも使用できる。
- 参考スコア（独自算出の注目度）: 12.30099599834466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nowadays, code-mixing has become ubiquitous in Natural Language Processing
(NLP); however, no efforts have been made to address this phenomenon for Speech
Translation (ST) task. This can be solely attributed to the lack of code-mixed
ST task labelled data. Thus, we introduce Prabhupadavani, a multilingual
code-mixed ST dataset for 25 languages, covering ten language families,
containing 94 hours of speech by 130+ speakers, manually aligned with
corresponding text in the target language. Prabhupadvani is the first
code-mixed ST dataset available in the ST literature to the best of our
knowledge. This data also can be used for a code-mixed machine translation
task. All the dataset and code can be accessed at:
\url{https://github.com/frozentoad9/CMST}
- Abstract（参考訳）: 近年,自然言語処理(NLP)ではコードミキシングが普及しているが,音声翻訳(ST)タスクに対処するための取り組みは行われていない。
これは単に、コードミキシングされたSTタスクのラベル付きデータがないためである。
そこで本研究では,25言語を対象とした多言語コード混合stデータセットであるprabhupadavaniについて紹介する。
Prabhupadvaniは、私たちの知る限り、ST文献で利用可能な初めてのコード混合STデータセットです。
このデータは、コード混合機械翻訳タスクにも使用できる。
すべてのデータセットとコードは、以下の場所でアクセスすることができる。
関連論文リスト
- CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving [61.73180469072787]
インド語から英語のテキストへのコード変更音声の音声翻訳(ST)の問題に焦点をあてる。
本稿では、事前訓練された自動音声認識(ASR)と機械翻訳(MT)モジュールを足場として、新しいエンドツーエンドモデルアーキテクチャCOSTAを提案する。
COSTAは、多くの競合するカスケードおよびエンドツーエンドのマルチモーダルベースラインを3.5BLEUポイントまで上回っている。
論文 参考訳（メタデータ） (2024-06-16T16:10:51Z) - OffMix-3L: A Novel Code-Mixed Dataset in Bangla-English-Hindi for
Offensive Language Identification [26.11758147703999]
コードミキシング(Code-mixing)は、2つ以上の言語がテキストや音声に混在している場合によく研究される言語現象である。
OFMix-3Lは、3つの異なる言語のコード混合データを含む新しい攻撃的言語識別データセットである。
論文 参考訳（メタデータ） (2023-10-27T09:59:35Z) - My Boli: Code-mixed Marathi-English Corpora, Pretrained Language Models
and Evaluation Benchmarks [0.7874708385247353]
私たちは、コードミキシングにおける事前の作業が欠けている低リソースのインドの言語であるMarathiにフォーカスしています。
L3Cube-MeCorpusは,Mr-Enコーパスと1000万のソーシャルメディア文による事前学習用コーパスである。
また、コード混合BERTベースのトランスモデルであるL3Cube-MeBERTとMeRoBERTaをMeCorpusで事前学習した。
論文 参考訳（メタデータ） (2023-06-24T18:17:38Z) - Prompting Multilingual Large Language Models to Generate Code-Mixed
Texts: The Case of South East Asian Languages [47.78634360870564]
東南アジア7言語(SEA)のコードミキシングデータ生成のための多言語モデルの構築について検討する。
BLOOMZのような多言語学習モデルでは、異なる言語からフレーズや節でテキストを生成できないことが判明した。
ChatGPTは、コード混合テキストの生成において矛盾する機能を示しており、そのパフォーマンスはプロンプトテンプレートと言語ペアリングによって異なる。
論文 参考訳（メタデータ） (2023-03-23T18:16:30Z) - Transformer-based Model for Word Level Language Identification in
Code-mixed Kannada-English Texts [55.41644538483948]
コードミキシングしたカンナダ英語テキストにおける単語レベル言語識別のためのトランスフォーマーベースモデルを提案する。
The proposed model on the CoLI-Kenglish dataset achieves a weighted F1-score of 0.84 and a macro F1-score of 0.61。
論文 参考訳（メタデータ） (2022-11-26T02:39:19Z) - Gui at MixMT 2022 : English-Hinglish: An MT approach for translation of
code mixed data [13.187116325089951]
私たちは英語+ヒンディー語、ヒングリッシュ語、ヒングリッシュ語の両方で同じことを試みています。
我々の知る限り、私たちはモノリンガルからコードミクシング機械翻訳の最初のタスクにおいて、ROUGE-LとWERの上位スコアの1つを達成しました。
論文 参考訳（メタデータ） (2022-10-21T19:48:18Z) - Textless Speech-to-Speech Translation on Real Data [49.134208897722246]
本研究では、ある言語から別の言語への翻訳が可能なテキストなし音声音声翻訳システム(S2ST)を提案する。
マルチ話者ターゲット音声をモデル化し、実世界のS2STデータを用いてシステムを訓練する際の課題に対処する。
論文 参考訳（メタデータ） (2021-12-15T18:56:35Z) - Offensive Language Identification in Low-resourced Code-mixed Dravidian
languages using Pseudo-labeling [0.16252563723817934]
我々は、タミル語、カナダ語、マラヤラム語のドラヴィダ語で、コードミックスされたソーシャルメディアコメント/ポストを分類する。
カスタムデータセットは、コードミキシングされたすべてのテキストをそれぞれのDravidian言語に翻訳することで構築される。
新たに構築されたデータセット上で、最近トレーニング済みの言語モデルをいくつか微調整する。
論文 参考訳（メタデータ） (2021-08-27T08:43:08Z) - Consecutive Decoding for Speech-to-text Translation [51.155661276936044]
COnSecutive Transcription and Translation (COSTT)は、音声からテキストへの翻訳に不可欠な手法である。
鍵となるアイデアは、ソースの書き起こしとターゲットの翻訳テキストを1つのデコーダで生成することである。
本手法は3つの主流データセットで検証する。
論文 参考訳（メタデータ） (2020-09-21T10:10:45Z) - CoVoST: A Diverse Multilingual Speech-To-Text Translation Corpus [57.641761472372814]
CoVoSTは11言語から英語への多言語による音声からテキストへの翻訳コーパスである。
11,000人以上の話者と60以上のアクセントで多様化した。
CoVoSTはCC0ライセンスでリリースされており、無料で利用できる。
論文 参考訳（メタデータ） (2020-02-04T14:35:28Z)
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。