論文の概要: Quechua Speech Datasets in Common Voice: The Case of Puno Quechua

• arxiv url: http://arxiv.org/abs/2510.13871v1
• Date: Mon, 13 Oct 2025 12:44:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.501158
• Title: Quechua Speech Datasets in Common Voice: The Case of Puno Quechua
• Title（参考訳）: 共通音声におけるクチュア音声データセット : プノ・ケチュアの場合
• Authors: Elwin Huaman, Wendi Huaman, Jorge Luis Huaman, Ninfa Quispe,
• Abstract要約: Quechuasのようなアンダーリソース言語は、データとリソース不足に直面している。 本稿では,ケチュア語の共通音声への統合について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Under-resourced languages, such as Quechuas, face data and resource scarcity, hindering their development in speech technology. To address this issue, Common Voice presents a crucial opportunity to foster an open and community-driven speech dataset creation. This paper examines the integration of Quechua languages into Common Voice. We detail the current 17 Quechua languages, presenting Puno Quechua (ISO 639-3: qxp) as a focused case study that includes language onboarding and corpus collection of both reading and spontaneous speech data. Our results demonstrate that Common Voice now hosts 191.1 hours of Quechua speech (86\% validated), with Puno Quechua contributing 12 hours (77\% validated), highlighting the Common Voice's potential. We further propose a research agenda addressing technical challenges, alongside ethical considerations for community engagement and indigenous data sovereignty. Our work contributes towards inclusive voice technology and digital empowerment of under-resourced language communities.
• Abstract（参考訳）: Quechuasのようなアンダーリソース言語は、データとリソース不足に直面し、音声技術の発展を妨げる。 この問題に対処するため、Common Voiceはオープンでコミュニティ主導の音声データセット作成を促進する重要な機会を提供する。 本稿では,ケチュア語の共通音声への統合について検討する。 我々は現在の17のケチュア語について詳述し、読み書きデータと自発音声データのコーパス収集を含むケーススタディとしてPuno Quechua(ISO 639-3: qxp)を紹介した。 以上の結果から,Cechua 音声は191.1時間 (86\%) で,Puno Quechua は12時間 (77\%) で,Common Voice の可能性を強調した。 さらに,地域社会の関与と土着のデータ主権に関する倫理的考察とともに,技術的な課題に対処する研究課題を提案する。 我々の研究は、インクルーシブ音声技術とアンダーリソース言語コミュニティのデジタルエンパワーメントに貢献する。

関連論文リスト

• IndicVoices: Towards building an Inclusive Multilingual Speech Dataset for Indian Languages [17.862027695142825]
  INDICVOICESは、145のインド地区と22の言語をカバーする16237人の話者による自然および自発的なスピーチのデータセットである。 1639時間は既に書き起こされており、言語ごとの平均的な時間は73時間である。 この作業の一部として開発されたデータ、ツール、ガイドライン、モデル、その他の材料はすべて公開されます。
  論文  参考訳（メタデータ） (2024-03-04T10:42:08Z)
• 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)
• Zambezi Voice: A Multilingual Speech Corpus for Zambian Languages [20.25236081418051]
  Zambezi Voiceはザンビア語のためのオープンソースの多言語音声リソースである。 我々の知る限り、ザンビア語で作成された最初の多言語音声データセットである。
  論文  参考訳（メタデータ） (2023-06-07T13:36:37Z)
• PolyVoice: Language Models for Speech to Speech Translation [50.31000706309143]
  PolyVoiceは音声音声翻訳のための言語モデルに基づくフレームワーク 我々は、完全に教師なしの方法で生成される離散化音声単位を使用する。 音声合成部では、既存のVALL-E Xアプローチを採用し、単位ベース音声言語モデルを構築する。
  論文  参考訳（メタデータ） (2023-06-05T15:53:15Z)
• 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)
• Speak Foreign Languages with Your Own Voice: Cross-Lingual Neural Codec Language Modeling [92.55131711064935]
  本稿では,言語間音声合成のための言語間ニューラルネットワークモデル VALL-E X を提案する。 VALL-E Xは、強い文脈内学習能力を継承し、ゼロショット言語間テキスト音声合成やゼロショット音声音声音声翻訳タスクに応用できる。 未知の話者の声、感情、音響環境を保ちながら、ソース言語の1つの発話をプロンプトとして、ターゲット言語で高品質な音声を生成することができる。
  論文  参考訳（メタデータ） (2023-03-07T14:31:55Z)
• Building African Voices [125.92214914982753]
  本稿では,低リソースのアフリカ言語を対象とした音声合成について述べる。 我々は,最小限の技術資源で音声合成システムを構築するための汎用的な指示セットを作成する。 研究者や開発者を支援するために、12のアフリカ言語のための音声データ、コード、訓練された音声をリリースします。
  論文  参考訳（メタデータ） (2022-07-01T23:28:16Z)
• Annotated Speech Corpus for Low Resource Indian Languages: Awadhi, Bhojpuri, Braj and Magahi [2.84214511742034]
  Awadhi, Bhojpuri, Braj, Magahiの4つの低リソースインド・アーリア語のための音声コーパスを開発する。 現在、コーパスの総サイズは約18時間である。 新型コロナウイルスのパンデミックの真っ最中に行われたこれらの言語におけるデータ収集の方法論について論じる。
  論文  参考訳（メタデータ） (2022-06-26T17:28:38Z)
• Automatic Speech Recognition Datasets in Cantonese Language: A Survey and a New Dataset [85.52036362232688]
  私たちのデータセットは、香港のCandoneseオーディオブックから収集された、73.6時間のクリーンな読み上げ音声と書き起こしとの組み合わせで構成されています。 哲学、政治、教育、文化、ライフスタイル、家族の領域を組み合わせて、幅広いトピックをカバーしている。 MDCC と Common Voice zh-HK にマルチデータセット学習を適用することで,強力で堅牢な Cantonese ASR モデルを作成する。
  論文  参考訳（メタデータ） (2022-01-07T12:09:15Z)
• Google Crowdsourced Speech Corpora and Related Open-Source Resources for Low-Resource Languages and Dialects: An Overview [43.92114369646489]
  テキスト音声と自動音声認識アプリケーションを構築するために38のデータセットをリリースした。 本稿では,このようなコーパスの開発に使用される方法論について述べるとともに,表現不足の言語コミュニティに恩恵をもたらす可能性のある知見をいくつか提示する。
  論文  参考訳（メタデータ） (2020-10-14T02:24:04Z)

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。