論文の概要: BanglaDialecto: An End-to-End AI-Powered Regional Speech Standardization

• arxiv url: http://arxiv.org/abs/2411.10879v1
• Date: Sat, 16 Nov 2024 20:20:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:36:12.407527
• Title: BanglaDialecto: An End-to-End AI-Powered Regional Speech Standardization
• Title（参考訳）: BanglaDialecto: エンドツーエンドAIによる地域音声標準化
• Authors: Md. Nazmus Sadat Samin, Jawad Ibn Ahad, Tanjila Ahmed Medha, Fuad Rahman, Mohammad Ruhul Amin, Nabeel Mohammed, Shafin Rahman,
• Abstract要約: 本研究は、方言のNoakhali音声を標準のBangla音声に変換するためのエンドツーエンドパイプラインを提案する。 約55の異なる方言が1億6000万人が話しており、バングラ方言に対処することは包括的コミュニケーションツールの開発に不可欠である。 実験の結果,Whisper ASRモデルが0.8%,WERが1.5%,BanglaT5モデルが41.6%,BLEUが41.6%であった。
• 参考スコア（独自算出の注目度）: 7.059964549363294
• License:
• Abstract: This study focuses on recognizing Bangladeshi dialects and converting diverse Bengali accents into standardized formal Bengali speech. Dialects, often referred to as regional languages, are distinctive variations of a language spoken in a particular location and are identified by their phonetics, pronunciations, and lexicon. Subtle changes in pronunciation and intonation are also influenced by geographic location, educational attainment, and socioeconomic status. Dialect standardization is needed to ensure effective communication, educational consistency, access to technology, economic opportunities, and the preservation of linguistic resources while respecting cultural diversity. Being the fifth most spoken language with around 55 distinct dialects spoken by 160 million people, addressing Bangla dialects is crucial for developing inclusive communication tools. However, limited research exists due to a lack of comprehensive datasets and the challenges of handling diverse dialects. With the advancement in multilingual Large Language Models (mLLMs), emerging possibilities have been created to address the challenges of dialectal Automated Speech Recognition (ASR) and Machine Translation (MT). This study presents an end-to-end pipeline for converting dialectal Noakhali speech to standard Bangla speech. This investigation includes constructing a large-scale diverse dataset with dialectal speech signals that tailored the fine-tuning process in ASR and LLM for transcribing the dialect speech to dialect text and translating the dialect text to standard Bangla text. Our experiments demonstrated that fine-tuning the Whisper ASR model achieved a CER of 0.8% and WER of 1.5%, while the BanglaT5 model attained a BLEU score of 41.6% for dialect-to-standard text translation.
• Abstract（参考訳）: 本研究はバングラデシュ方言の認識と多様なベンガルアクセントを標準化されたベンガル語に変換することに焦点を当てる。 方言は、しばしば地域言語と呼ばれ、特定の場所で話される言語の特徴的なバリエーションであり、音声学、発音学、辞書によって識別される。 発音と音調の変化は、地理的な位置、教育的達成、社会経済的地位にも影響される。 文化多様性を尊重しつつ、効果的なコミュニケーション、教育の整合性、技術へのアクセス、経済的機会、言語資源の保存を確保するために、方言の標準化が必要である。 約55の異なる方言が1億6000万人が話しており、バングラ方言に対処することは包括的コミュニケーションツールの開発に不可欠である。 しかし、包括的なデータセットの欠如と多様な方言を扱うことの難しさから、限られた研究が存在する。 多言語大言語モデル(mLLM)の進歩に伴い、方言自動音声認識(ASR)と機械翻訳(MT)の課題に対処する新たな可能性が生まれた。 本研究では、方言のNoakhali音声を標準のBangla音声に変換するためのエンドツーエンドパイプラインを提案する。 本研究は、方言音声を方言テキストに翻訳し、方言テキストを標準のバングラ語テキストに翻訳するために、ASRとLLMの微調整プロセスを調整した方言音声信号を用いた大規模多様なデータセットの構築を含む。 実験の結果,Whisper ASRモデルが0.8%,WERが1.5%,BanglaT5モデルが41.6%,BLEUが41.6%であった。

関連論文リスト

• Literary and Colloquial Dialect Identification for Tamil using Acoustic Features [0.0]
  音声技術は、言語の様々な方言が絶滅しないようにする役割を担っている。 現在の研究は、人気のある2つのタミル方言と広く分類されたタミル方言を識別する方法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T09:00:27Z)
• Exploring Diachronic and Diatopic Changes in Dialect Continua: Tasks, Datasets and Challenges [2.572144535177391]
  我々は3つの言語族(スラヴ語、ロマンス語、ゲルマン語)から5つの方言にまたがる9つのタスクとデータセットを批判的に評価する。 本稿では,方言使用の経時的変化,方言データセットの信頼性,話者特性の重要性,方言の限られた範囲,データ収集における倫理的配慮に関する5つのオープンな課題を概説する。 言語の種類や方言の包括的計算手法やデータセットに関する今後の研究に光を当てることを願っています。
  論文  参考訳（メタデータ） (2024-07-04T15:38:38Z)
• Voices Unheard: NLP Resources and Models for Yorùbá Regional Dialects [72.18753241750964]
  Yorub'aは、約4700万人の話者を持つアフリカの言語である。 アフリカ語のためのNLP技術開発への最近の取り組みは、彼らの標準方言に焦点を当てている。 我々は、このギャップを埋めるために、新しい高品質のパラレルテキストと音声コーパスを導入する。
  論文  参考訳（メタデータ） (2024-06-27T22:38:04Z)
• Transcribing Bengali Text with Regional Dialects to IPA using District Guided Tokens [0.0]
  本稿では,バングラデシュの6つの地区にまたがる新しいデータセットについて,DGT(District Guided Tokens)技術を紹介する。 DGTテクニックは、この新しいデータセットに基づいて、いくつかのトランスフォーマーベースのモデルを微調整する。 ByT5モデルを用いたDGTの有効性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2024-03-26T05:55:21Z)
• What Do Dialect Speakers Want? A Survey of Attitudes Towards Language Technology for German Dialects [60.8361859783634]
  我々はドイツ語に関連する方言と地域言語に関する話者を調査した。 回答者は特に、方言入力で動作する潜在的なNLPツールを好んでいる。
  論文  参考訳（メタデータ） (2024-02-19T09:15:28Z)
• Task-Agnostic Low-Rank Adapters for Unseen English Dialects [52.88554155235167]
  LLM(Large Language Models)は、標準アメリカ英語を好んで不均等に重み付けされたコーパスで訓練される。 HyperLoRAは、方言特化情報と方言横断情報を混同することにより、タスクに依存しない方法で未確認の方言への一般化を改善する。
  論文  参考訳（メタデータ） (2023-11-02T01:17:29Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• ComSL: A Composite Speech-Language Model for End-to-End Speech-to-Text Translation [79.66359274050885]
  公的な事前訓練された音声のみのモデルと言語のみのモデルからなる複合アーキテクチャ上に構築された音声言語モデルであるComSLを提案する。 提案手法は,エンドツーエンドの音声-テキスト翻訳タスクにおいて有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:42:15Z)
• Scaling Speech Technology to 1,000+ Languages [66.31120979098483]
  MMS(Massively Multilingual Speech)プロジェクトは、タスクに応じてサポート言語を10～40倍増やす。 主な材料は、一般に公開されている宗教文書の読解に基づく新しいデータセットである。 我々は,1,406言語,1,107言語用1つの多言語自動音声認識モデル,同一言語用音声合成モデル,4,017言語用言語識別モデルについて,事前学習したwav2vec 2.0モデルを構築した。
  論文  参考訳（メタデータ） (2023-05-22T22:09:41Z)
• End-to-End Automatic Speech Recognition model for the Sudanese Dialect [0.0]
  本稿では,スーダン方言における音声認識モデルの設計の可能性を検討する。 本稿では,スーダン方言の概要と表現資源の収集作業,および質素なデータセット構築のための前処理について述べる。 設計されたモデルは、現在の認識タスクに関するいくつかの洞察を与え、平均的なラベルエラーレート73.67%に達した。
  論文  参考訳（メタデータ） (2022-12-21T07:35:33Z)

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。