Fugu-MT 論文翻訳(概要): On Barriers to Archival Audio Processing

論文の概要: On Barriers to Archival Audio Processing

arxiv url: http://arxiv.org/abs/2507.08768v1
Date: Fri, 11 Jul 2025 17:27:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-14 18:03:54.445268
Title: On Barriers to Archival Audio Processing
Title（参考訳）: アーカイブ音声処理の障壁について
Authors: Peter Sullivan, Muhammad Abdul-Mageed,
Abstract要約: 我々は20世紀中頃のラジオ録音をユネスコで収集し、現代のオフザシェルフ言語識別(LID)と話者認識(SR)手法の堅牢性を調査する。以上の結果から,WhisperなどのLIDシステムは,第二言語・アクセント音声の処理に長けていることが示唆された。しかし、話者埋め込みは、音声処理パイプラインの脆弱な要素であり、チャネル、年齢、言語に関するバイアスを生じやすい。
参考スコア（独自算出の注目度）: 16.244692109502726
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we leverage a unique UNESCO collection of mid-20th century radio recordings to probe the robustness of modern off-the-shelf language identification (LID) and speaker recognition (SR) methods, especially with respect to the impact of multilingual speakers and cross-age recordings. Our findings suggest that LID systems, such as Whisper, are increasingly adept at handling second-language and accented speech. However, speaker embeddings remain a fragile component of speech processing pipelines that is prone to biases related to the channel, age, and language. Issues which will need to be overcome should archives aim to employ SR methods for speaker indexing.
Abstract（参考訳）: 本研究では,20世紀中頃のユネスコのユニークなラジオ録音データを用いて,現代のオフザシェルフ言語識別法(LID)と話者認識法(SR)の堅牢性,特に多言語話者やクロスエイジ記録の影響について検討する。以上の結果から,WhisperなどのLIDシステムは,第二言語・アクセント音声の処理に長けていることが示唆された。しかし、話者埋め込みは、音声処理パイプラインの脆弱な要素であり、チャネル、年齢、言語に関するバイアスを生じやすい。克服すべき問題は、アーカイブが話者インデクシングにSRメソッドを使うことを目標とすべきである。

関連論文リスト

Accent conversion using discrete units with parallel data synthesized from controllable accented TTS [56.18382038512251]
アクセント変換(AC)の目的は、コンテンツと話者のアイデンティティを保ちながら、アクセントを変換することである。従来の手法では、推論中に参照発話が必要であったり、話者のアイデンティティを十分に保持していなかったり、ネイティブでないアクセントごとにのみトレーニング可能な1対1のシステムを使用していた。本稿では,これらの問題を克服するために,多くのアクセントをネイティブに変換する,有望なACモデルを提案する。
論文参考訳（メタデータ） (2024-09-30T19:52:10Z)
Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
論文参考訳（メタデータ） (2024-06-12T16:30:58Z)
Improving Speaker Diarization using Semantic Information: Joint Pairwise Constraints Propagation [53.01238689626378]
本稿では,話者ダイアリゼーションシステムにおける意味情報を活用する新しい手法を提案する。音声言語理解モジュールを導入し、話者関連意味情報を抽出する。本稿では,これらの制約を話者ダイアリゼーションパイプラインに統合する新しい枠組みを提案する。
論文参考訳（メタデータ） (2023-09-19T09:13:30Z)
DiariST: Streaming Speech Translation with Speaker Diarization [53.595990270899414]
本稿では,最初のストリーミングSTとSDソリューションであるDiariSTを提案する。ニューラルトランスデューサベースのストリーミングSTシステム上に構築され、トークンレベルのシリアライズされた出力トレーニングとtベクタを統合している。重なり合う音声のストリーミング推論を行いながら,Whisperに基づくオフラインシステムと比較して強いSTとSD能力を実現する。
論文参考訳（メタデータ） (2023-09-14T19:33:27Z)
Exploring Speaker-Related Information in Spoken Language Understanding for Better Speaker Diarization [7.673971221635779]
多人数会議におけるセマンティックコンテンツから話者関連情報を抽出する手法を提案する。 AISHELL-4とAliMeetingの2つのデータセットを用いた実験により,本手法は音響のみの話者ダイアリゼーションシステムよりも一貫した改善を実現することが示された。
論文参考訳（メタデータ） (2023-05-22T11:14:19Z)
CrossSpeech: Speaker-independent Acoustic Representation for Cross-lingual Speech Synthesis [7.6883773606941075]
CrossSpeechは、話者と言語情報を効果的に切り離すことで、言語間音声の品質を向上させる。実験により,CrossSpeechが言語間TSの大幅な改善を実現することを確認した。
論文参考訳（メタデータ） (2023-02-28T07:51:10Z)
Streaming Multi-talker Speech Recognition with Joint Speaker Identification [77.46617674133556]
SURITは、音声認識と話者識別の両方のバックボーンとして、リカレントニューラルネットワークトランスデューサ(RNN-T)を採用しています。 Librispeechから派生したマルチストーカーデータセットであるLibrispeechデータセットに関するアイデアを検証し、奨励的な結果を提示した。
論文参考訳（メタデータ） (2021-04-05T18:37:33Z)
U-vectors: Generating clusterable speaker embedding from unlabeled data [0.0]
本稿では,未ラベルデータを扱う話者認識戦略を提案する。小さな固定サイズの音声フレームからクラスタブルな埋め込みベクトルを生成する。提案手法はペアワイズアーキテクチャを用いて優れた性能を実現する。
論文参考訳（メタデータ） (2021-02-07T18:00:09Z)
A Review of Speaker Diarization: Recent Advances with Deep Learning [78.20151731627958]
スピーカーダイアリゼーションは、スピーカーのアイデンティティに対応するクラスでオーディオまたはビデオ録画をラベル付けするタスクです。ディープラーニング技術の台頭に伴い、話者ダイアリゼーションのためのさらなる急速な進歩がなされている。話者ダイアリゼーションシステムが音声認識アプリケーションとどのように統合されているかについて議論する。
論文参考訳（メタデータ） (2021-01-24T01:28:05Z)
Generative Adversarial Training Data Adaptation for Very Low-resource Automatic Speech Recognition [31.808145263757105]
我々は、CycleGANベースの非並列音声変換技術を用いて、テスト話者の音声に近いラベル付きトレーニングデータをフォージする。 AinuとMboshiの2つの低リソースコーパスに対する話者適応手法の評価を行った。
論文参考訳（メタデータ） (2020-05-19T07:35:14Z)

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。