論文の概要: WHISTRESS: Enriching Transcriptions with Sentence Stress Detection

• arxiv url: http://arxiv.org/abs/2505.19103v1
• Date: Sun, 25 May 2025 11:45:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.908099
• Title: WHISTRESS: Enriching Transcriptions with Sentence Stress Detection
• Title（参考訳）: WHISTRESS: 文ストレス検出による転写の強化
• Authors: Iddo Yosha, Dorin Shteyman, Yossi Adi,
• Abstract要約: 音声言語における話者意図の伝達には, 文ストレスが不可欠である。 WHISTRESSは,文のストレス検出による書き起こしシステム拡張のためのアライメントフリーアプローチである。 TINYSTRESS-15KでWHISTRESSをトレーニングし、いくつかの競争ベースラインに対して評価する。
• 参考スコア（独自算出の注目度）: 20.802090523583196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spoken language conveys meaning not only through words but also through intonation, emotion, and emphasis. Sentence stress, the emphasis placed on specific words within a sentence, is crucial for conveying speaker intent and has been extensively studied in linguistics. In this work, we introduce WHISTRESS, an alignment-free approach for enhancing transcription systems with sentence stress detection. To support this task, we propose TINYSTRESS-15K, a scalable, synthetic training data for the task of sentence stress detection which resulted from a fully automated dataset creation process. We train WHISTRESS on TINYSTRESS-15K and evaluate it against several competitive baselines. Our results show that WHISTRESS outperforms existing methods while requiring no additional input priors during training or inference. Notably, despite being trained on synthetic data, WHISTRESS demonstrates strong zero-shot generalization across diverse benchmarks. Project page: https://pages.cs.huji.ac.il/adiyoss-lab/whistress.
• Abstract（参考訳）: 音声言語は、言葉だけでなく、気質、感情、強調を通じて意味を伝達する。 文中の特定の単語に重点を置くセンセントストレスは、話者意図を伝えるために重要であり、言語学で広く研究されている。 本研究では,文章のストレス検出による書き起こしシステム強化のためのアライメントフリーアプローチであるWHISTRESSを紹介する。 このタスクを支援するために,完全に自動化されたデータセット生成プロセスから得られた文のストレス検出タスクのための,スケーラブルで総合的なトレーニングデータTINYSTRESS-15Kを提案する。 TINYSTRESS-15KでWHISTRESSをトレーニングし、いくつかの競争ベースラインに対して評価する。 以上の結果から,WHISTRESSは既存の手法よりも優れており,トレーニングや推論において追加の入力先を必要としない。 特に、合成データで訓練されているにもかかわらず、WHISTRESSは様々なベンチマークで強いゼロショットの一般化を示している。 プロジェクトページ:https://pages.cs.huji.ac.il/adiyoss-lab/whistress.com

関連論文リスト

• Stress Detection on Code-Mixed Texts in Dravidian Languages using Machine Learning [0.0]
  ストレスは日常生活において一般的な感覚であるが、いくつかの状況では精神的健康に影響することがある。 本研究では,ドラビディアン言語用コード混合テキストにおけるストレス識別のための方法論的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-08T23:49:31Z)
• DenoSent: A Denoising Objective for Self-Supervised Sentence Representation Learning [59.4644086610381]
  本稿では,他の視点,すなわち文内視点から継承する新たな認知的目的を提案する。 離散ノイズと連続ノイズの両方を導入することで、ノイズの多い文を生成し、モデルを元の形式に復元するように訓練する。 我々の経験的評価は,本手法が意味的テキスト類似性(STS)と幅広い伝達タスクの両面で競合する結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-01-24T17:48:45Z)
• Adversarial Training For Low-Resource Disfluency Correction [50.51901599433536]
  ディフルエンシ補正(DC)のための逆学習型シーケンスタグ付けモデルを提案する。 提案手法の利点は,3つのインド語でDCに対して評価することで,合成された非流動データに大きく依存することを示す。 また,本手法は,音声障害によって導入されたASR文字の破面的不一致の除去にも有効である。
  論文  参考訳（メタデータ） (2023-06-10T08:58:53Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• Sentence Representation Learning with Generative Objective rather than Contrastive Objective [86.01683892956144]
  句再構成に基づく新たな自己教師型学習目標を提案する。 我々の生成学習は、十分な性能向上を達成し、現在の最先端のコントラスト法よりも優れています。
  論文  参考訳（メタデータ） (2022-10-16T07:47:46Z)
• Frequency-Aware Contrastive Learning for Neural Machine Translation [24.336356651877388]
  低周波ワード予測は、現代のニューラルマシン翻訳(NMT)システムにおいて依然として課題である。 低周波単語がよりコンパクトな埋め込み空間を形成するという観察に触発されて、表現学習の観点からこの問題に取り組む。 本稿では,各復号ステップの隠蔽状態を他のターゲット語から押し出す,周波数対応のトークンレベルのコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-29T10:10:10Z)
• A study on the efficacy of model pre-training in developing neural text-to-speech system [55.947807261757056]
  本研究の目的は,モデル事前学習がTSシステム性能に肯定的に寄与する理由と方法を明らかにすることである。 トレーニング前のデータを元のサイズの1/8に減らすと,TSシステムは同等の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2021-10-08T02:09:28Z)
• Measuring Memorization Effect in Word-Level Neural Networks Probing [0.9156064716689833]
  そこで,本研究では,学習における目に見える単語と見えない単語の対称選択に基づいて,記憶効果を簡易に測定する手法を提案する。 提案手法は, 探索装置で発生した記憶量の定量化に有効であり, 適切な設定が選択可能であり, 検証結果が信頼性推定値で解釈可能である。
  論文  参考訳（メタデータ） (2020-06-29T14:35:42Z)

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。