論文の概要: Voice Adaptation for Swiss German

• arxiv url: http://arxiv.org/abs/2505.22054v1
• Date: Wed, 28 May 2025 07:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.46863
• Title: Voice Adaptation for Swiss German
• Title（参考訳）: スイスドイツ語の音声適応
• Authors: Samuel Stucki, Jan Deriu, Mark Cieliebak,
• Abstract要約: 本研究は、スイスドイツ語方言における音声適応モデルの性能、すなわち標準ドイツ語のテキストをスイスドイツ語の方言言語に翻訳する性能について検討する。 このために、スイスのポッドキャストの大規模なデータセットを前処理し、方言のクラスを自動で書き起こし、注釈付けします。 このデータセット上でXTTSv2モデルを微調整し、人や自動化された評価において良好なスコアを達成し、所望の方言を正しく描画できることを示す。
• 参考スコア（独自算出の注目度）: 7.4162190889971
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work investigates the performance of Voice Adaptation models for Swiss German dialects, i.e., translating Standard German text to Swiss German dialect speech. For this, we preprocess a large dataset of Swiss podcasts, which we automatically transcribe and annotate with dialect classes, yielding approximately 5000 hours of weakly labeled training material. We fine-tune the XTTSv2 model on this dataset and show that it achieves good scores in human and automated evaluations and can correctly render the desired dialect. Our work shows a step towards adapting Voice Cloning technology to underrepresented languages. The resulting model achieves CMOS scores of up to -0.28 and SMOS scores of 3.8.
• Abstract（参考訳）: 本研究は、スイスドイツ語方言における音声適応モデルの性能、すなわち標準ドイツ語のテキストをスイスドイツ語の方言言語に翻訳する性能について検討する。 このために、スイスのポッドキャストの大規模なデータセットを前処理し、方言のクラスを自動で書き起こし、注釈付けし、約5000時間のトレーニング資料を生成する。 このデータセット上でXTTSv2モデルを微調整し、人や自動化された評価において良好なスコアを達成し、所望の方言を正しく描画できることを示す。 我々の研究は、未表現言語にVoice Cloning技術を適用するための一歩を示している。 その結果、CMOSスコアは-0.28、SMOSスコアは3.8となる。

関連論文リスト

• Modular Adaptation of Multilingual Encoders to Written Swiss German Dialect [52.1701152610258]
  モジュラーエンコーダにスイスドイツ語のアダプタを加えると、完全なモノリシックな適応性能の97.5%が達成される。 標準ドイツ語の問合せを与えられたスイスドイツ語の文を検索する作業において、文字レベルのモデルを適用することは、他の適応戦略よりも効果的である。
  論文  参考訳（メタデータ） (2024-01-25T18:59:32Z)
• SeamlessM4T: Massively Multilingual & Multimodal Machine Translation [90.71078166159295]
  音声から音声への翻訳,音声からテキストへの翻訳,テキストからテキストへの翻訳,最大100言語の自動音声認識をサポートする単一モデルSeamlessM4Tを紹介する。 我々は、音声とテキストの両方に英語を翻訳できる最初の多言語システムを開発した。 FLEURSでは、SeamlessM4Tが複数のターゲット言語への翻訳の新しい標準を設定し、音声からテキストへの直接翻訳において、以前のSOTAよりも20%BLEUの改善を実現している。
  論文  参考訳（メタデータ） (2023-08-22T17:44:18Z)
• AudioPaLM: A Large Language Model That Can Speak and Listen [79.44757696533709]
  本稿では,音声理解・生成のための大規模言語モデルであるAudioPaLMを紹介する。 AudioPaLMはテキストベースの言語モデルと音声ベースの言語モデルを融合する。 音声認識や音声音声翻訳などの応用により、テキストと音声を処理および生成することができる。
  論文  参考訳（メタデータ） (2023-06-22T14:37:54Z)
• STT4SG-350: A Speech Corpus for All Swiss German Dialect Regions [5.6787416472329495]
  本稿では,STT4SG-350(Speech-to-Text for Swiss German)について述べる。 データは、話者が標準ドイツ語の文を表示するWebアプリを使って収集され、スイスドイツ語に翻訳され、記録される。 全ての方言地域から343時間のスピーチがあり、現在までスイスドイツ人にとって最大の公的なスピーチコーパスである。
  論文  参考訳（メタデータ） (2023-05-30T08:49:38Z)
• Textless Speech-to-Speech Translation With Limited Parallel Data [51.3588490789084]
  PFBはテキストレスのS2STモデルをトレーニングするためのフレームワークで、数十時間の並列音声データしか必要としない。 3つのドメインで英語、ドイツ語、マラティー語、英語の翻訳をトレーニングし、評価する。
  論文  参考訳（メタデータ） (2023-05-24T17:59:05Z)
• Language-agnostic Code-Switching in Sequence-To-Sequence Speech Recognition [62.997667081978825]
  コードスイッチング(Code-Switching, CS)とは、異なる言語の単語やフレーズを交互に使用する現象である。 本稿では,異なるソース言語の音声および対応するラベルを転写する,シンプルで効果的なデータ拡張手法を提案する。 さらに,5,03%のWERによるトレーニング中に見つからない文間言語スイッチにおいて,モデルの性能を向上できることを示す。
  論文  参考訳（メタデータ） (2022-10-17T12:15:57Z)
• SDS-200: A Swiss German Speech to Standard German Text Corpus [5.370317759946287]
  SDS-200は、標準ドイツ語翻訳によるスイスドイツ語方言のコーパスである。 データはウェブ記録ツールを使って収集され、一般に公開されている。 このデータは、約4000人の異なる話者による200時間のスピーチで構成され、スイス・ドイツ方言の風景の大部分をカバーしている。
  論文  参考訳（メタデータ） (2022-05-19T12:16:29Z)
• Dialectal Speech Recognition and Translation of Swiss German Speech to Standard German Text: Microsoft's Submission to SwissText 2021 [17.675379299410054]
  スイスドイツ語(Swiss German)は、スイスのドイツ語圏で話されるアレマン語の方言。 本稿では,翻訳を組み込んだ辞書を用いたハイブリッド音声認識システムを提案する。 我々の応募は盲目の会話テストセットで46.04% BLEUに達し、第2位の競争相手を12%の差で上回っている。
  論文  参考訳（メタデータ） (2021-06-15T13:34:02Z)
• SwissDial: Parallel Multidialectal Corpus of Spoken Swiss German [22.30271453485001]
  我々は8つの主要な方言にまたがるスイス系ドイツ語の最初の注釈付き並列コーパスと標準ドイツ語の参照を紹介する。 私たちの目標は、スイスドイツ語でデータ駆動nlpアプリケーションを使用するための基本的なデータセットを作成し、利用可能にすることです。
  論文  参考訳（メタデータ） (2021-03-21T14:00:09Z)

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。