論文の概要: SLURP-TN : Resource for Tunisian Dialect Spoken Language Understanding

• arxiv url: http://arxiv.org/abs/2603.21940v1
• Date: Mon, 23 Mar 2026 12:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.680985
• Title: SLURP-TN : Resource for Tunisian Dialect Spoken Language Understanding
• Title（参考訳）: SLURP-TN : チュニジア方言音声言語理解のためのリソース
• Authors: Haroun Elleuch, Salima Mdhaffar, Yannick Estève, Fethi Bougares,
• Abstract要約: Spoken Language Understanding (SLU) は、ユーザクエリの音声発話から意味情報を抽出することを目的としている。 このデータセットは、6つのSLURPドメインから手動で翻訳されたチュニジア方言で55の母語話者が文章を発する記録によって作成された。 また,SLUTP-TNを利用した音声認識およびSLUモデルの開発も行っている。
• 参考スコア（独自算出の注目度）: 11.457009449330068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spoken Language Understanding (SLU) aims to extract the semantic information from the speech utterance of user queries. It is a core component in a task-oriented dialogue system. With the spectacular progress of deep neural network models and the evolution of pre-trained language models, SLU has obtained significant breakthroughs. However, only a few high-resource languages have taken advantage of this progress due to the absence of SLU resources. In this paper, we seek to mitigate this obstacle by introducing SLURP-TN. This dataset was created by recording 55 native speakers uttering sentences in Tunisian dialect, manually translated from six SLURP domains. The result is an SLU Tunisian dialect dataset that comprises 4165 sentences recorded into around 5 hours of acoustic material. We also develop a number of Automatic Speech Recognition and SLU models exploiting SLUTP-TN. The Dataset and baseline models are available at: https://huggingface.co/datasets/Elyadata/SLURP-TN.
• Abstract（参考訳）: Spoken Language Understanding (SLU) は、ユーザクエリの音声発話から意味情報を抽出することを目的としている。 これはタスク指向対話システムにおける中核的なコンポーネントである。 ディープニューラルネットワークモデルの壮大な進歩と事前訓練された言語モデルの進化により、SLUは大きなブレークスルーを得た。 しかし、SLUリソースが欠如しているため、この進歩を生かした高リソース言語はごくわずかである。 本稿では,SLURP-TNの導入により,この障害を軽減することを目的とする。 このデータセットは、6つのSLURPドメインから手動で翻訳されたチュニジア方言で55の母語話者が文章を発する記録によって作成された。 その結果、SLUチュニジア方言のデータセットは、約5時間の音響材料に記録された4165の文からなる。 また,SLUTP-TNを利用した音声認識およびSLUモデルの開発も行っている。 Datasetとベースラインモデルは、https://huggingface.co/datasets/Elyadata/SLURP-TNで利用可能である。

関連論文リスト

• Performance Analysis of Speech Encoders for Low-Resource SLU and ASR in Tunisian Dialect [11.013934239276036]
  自己教師付き学習(SSL)によって事前訓練された音声エンコーダは、様々な下流タスクにおいて顕著な性能を示した。 本稿では,低音源のチュニジア・アラビア方言の文脈におけるSSLアプローチの有効性を比較することで貢献する。
  論文  参考訳（メタデータ） (2024-07-05T14:21:36Z)
• Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
  最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。 この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。 方言データセットにおけるNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
  論文  参考訳（メタデータ） (2024-01-11T03:04:38Z)
• Improving Textless Spoken Language Understanding with Discrete Units as Intermediate Target [58.59044226658916]
  Spoken Language Understanding (SLU) は、音声音声から意味情報を抽出することを目的としたタスクである。 本研究では,テキストレスSLUの性能向上のための中間ガイダンスとして離散単位を用いることを提案する。
  論文  参考訳（メタデータ） (2023-05-29T14:00:24Z)
• Finstreder: Simple and fast Spoken Language Understanding with Finite State Transducers using modern Speech-to-Text models [69.35569554213679]
  Spoken Language Understanding (SLU) では、音声コマンドから重要な情報を抽出する。 本稿では,有限状態トランスデューサにインテントやエンティティを埋め込む簡単な方法を提案する。
  論文  参考訳（メタデータ） (2022-06-29T12:49:53Z)
• STOP: A dataset for Spoken Task Oriented Semantic Parsing [66.14615249745448]
  エンドツーエンド音声言語理解(SLU)は単一モデルを用いて音声から直接意図を予測する。 Spoken Task-Oriented semantic Parsing (STOP) データセットをリリースします。 人間が録音した音声に加えて、我々はTS生成バージョンをリリースし、エンド・ツー・エンドのSLUシステムの低リソース領域適応の性能をベンチマークする。
  論文  参考訳（メタデータ） (2022-06-29T00:36:34Z)
• Ensemble Chinese End-to-End Spoken Language Understanding for Abnormal Event Detection from audio stream [23.774987576025662]
  本稿では,中国環境におけるエンサンブル・エンド・ツー・エンドのSLUモデルを提案する。 このアンサンブルSLUモデルは、複数の事前訓練されたASRモデルを用いて階層的特徴を抽出し、音素レベルと単語レベル情報の表現性を向上した。 提案手法は従来のSLUモデルと比較して9.7%の精度向上を実現した。
  論文  参考訳（メタデータ） (2020-10-19T05:59:14Z)
• Speech To Semantics: Improve ASR and NLU Jointly via All-Neural Interfaces [17.030832205343195]
  本稿では,音声アシスタントを指向した音声から自然言語意図を抽出する言語理解(SLU)の問題について考察する。 ハードウェア制約のあるシナリオにデプロイする機会を開放するために必要な仕様のために、エンドツーエンドのSLUモデルを構築することができる。 共同学習モデルでは,NLUからの意味情報を取り入れたASRの改良や,隠蔽層に符号化されたASRの混乱に露呈することでNLUの改善が示されている。
  論文  参考訳（メタデータ） (2020-08-14T02:43:57Z)

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。