論文の概要: Ethio-ASR: Joint Multilingual Speech Recognition and Language Identification for Ethiopian Languages

• arxiv url: http://arxiv.org/abs/2603.23654v1
• Date: Tue, 24 Mar 2026 18:55:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:10.995327
• Title: Ethio-ASR: Joint Multilingual Speech Recognition and Language Identification for Ethiopian Languages
• Title（参考訳）: Ethio-ASR:エチオピア語の多言語音声認識と言語識別
• Abstract要約: Ethio-ASRは5つのエチオピア語で共同で訓練された多言語CTCに基づく自動音声認識(ASR)モデルである。 これらの言語は、アフロアシア語族のセム語族、クシ語族、オマティック語族に属する。 我々は、最近リリースされたWAXALコーパス上で、事前訓練された音声エンコーダを用いてモデルを訓練し、強い多言語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）: 24.06509721677588
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present Ethio-ASR, a suite of multilingual CTC-based automatic speech recognition (ASR) models jointly trained on five Ethiopian languages: Amharic, Tigrinya, Oromo, Sidaama, and Wolaytta. These languages belong to the Semitic, Cushitic, and Omotic branches of the Afroasiatic family, and remain severely underrepresented in speech technology despite being spoken by the vast majority of Ethiopia's population. We train our models on the recently released WAXAL corpus using several pre-trained speech encoders and evaluate against strong multilingual baselines, including OmniASR. Our best model achieves an average WER of 30.48% on the WAXAL test set, outperforming the best OmniASR model with substantially fewer parameters. We further provide a comprehensive analysis of gender bias, the contribution of vowel length and consonant gemination to ASR errors, and the training dynamics of multilingual CTC models. Our models and codebase are publicly available to the research community.
• Abstract（参考訳）: 我々は,多言語CTCに基づく自動音声認識(ASR)モデルのスイートであるEthio-ASRを,Amharic,Tigrinya,Oromo,Sidaama,Wolayttaの5言語で共同で訓練した。 これらの言語はアフロアシア語族のセム語、クシ語、オモーティズムの支流に属し、エチオピアの住民の大多数に話されているにもかかわらず、音声技術では過小評価されている。 我々は、最近リリースされたWAXALコーパス上で、事前訓練された音声エンコーダを用いてモデルをトレーニングし、OmniASRを含む強力な多言語ベースラインに対して評価する。 我々の最良のモデルは、WAXALテストセットで平均30.48%のWERを達成し、かなり少ないパラメータで最高のOmniASRモデルより優れている。 さらに、性別バイアスの包括的分析、母音長と子音発声のASR誤りへの寄与、多言語CTCモデルの訓練力学について述べる。 私たちのモデルとコードベースは、リサーチコミュニティで公開されています。

関連論文リスト

• DONDO: Open w2v-BERT Speech-Recognition Base Models for African Languages [0.0]
  本稿では,アフリカ言語を対象としたオープンかつパーミッシブな自動音声認識(ASR)ベースモデルであるDONDOについて述べる。 DONDOは、21の単言語モデルと、27の言語変種にまたがる5つの多言語モデルからなる。 すべてのモデルはApache-2.0ライセンスの下でHugging Face KhayaAI組織でリリースされている。
  論文  参考訳（メタデータ） (2026-07-23T17:25:08Z)
• GigaAM Multilingual: Foundation Model for Underrepresented Languages [63.406165255277195]
  We present GigaAM Multilingual, a Conformer encoder pre-trained on 200M hours of audio using a HuBERT-style objective。 我々は,事前学習時のクラスタレベルのデータバランス戦略と,微調整時のドメイン認識サンプリング手法を導入し,見出し言語の優位性を緩和する。
  論文  参考訳（メタデータ） (2026-07-11T15:48:03Z)
• Sometin Beta Pass Notin (SBPN): Improving Multilingual ASR for Nigerian Languages via Knowledge Distillation [1.9346797099839141]
  ナイジェリアの言語には、急激なデータ不足、一貫性のない正書法、声調の発音、多様なアクセント、頻繁なコードスイッチング、ローカライズされた名前のエンティティなど、ユニークなモデリングのハードルがある。 これらの課題に対処するため, 2段階蒸留プロセスを利用した多言語ASRフレームワークを開発した。 本稿では,ヨルブ,ハウサ,イグボ,ナイジェリア・ピジン,ナイジェリア英語をカバーする多言語ASRモデルであるSometin Beta Pass Notin(SBPN)を紹介する。
  論文  参考訳（メタデータ） (2026-05-18T00:22:18Z)
• An Empirical Recipe for Universal Phone Recognition [63.45609714127985]
  音声認識(PR)は、多言語および低リソースの音声処理タスクの鍵となる機能である。 我々は、大規模多言語データに基づいて訓練されたPhonticXEUSを提案する。 多言語(17.7%PFER)とアクセント付き英語(10.6%PFER)の両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-03-30T22:12:48Z)
• Efficient Multilingual ASR Finetuning via LoRA Language Experts [59.27778147311189]
  本稿では,WhisperをベースとしたLoRA言語エキスパートによる多言語ASRをカスタマイズするための効率的な微調整フレームワークを提案する。 LoRAエキスパート融合や知識蒸留により,本手法は従来の微調整法よりも目標言語での認識性能が向上する。 実験の結果,提案モデルでは,言語認識および言語認識のシナリオにおいて,約10%と15%の性能向上が得られた。
  論文  参考訳（メタデータ） (2025-06-11T07:06:27Z)
• Whisper Speaker Identification: Leveraging Pre-Trained Multilingual Transformers for Robust Speaker Embeddings [0.0]
  我々は,Whisper自動音声認識モデルを多言語データに基づいて事前訓練したフレームワークであるWSI(Whisper Speaker Identification)を提案する。 本稿では,Whisper言語に依存しない音響表現の活用により,多様な言語にまたがる話者を効果的に区別する。
  論文  参考訳（メタデータ） (2025-03-13T15:11:28Z)
• EthioLLM: Multilingual Large Language Models for Ethiopian Languages with Task Evaluation [24.060772057458685]
  本稿では,エチオピア語5言語(Amharic, Ge'ez, Afan Oromo, Somali, Tigrinya)と英語の多言語大言語モデルであるEthioLLMを紹介する。 我々は,5つの下流自然言語処理(NLP)タスクにおいて,これらのモデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-03-20T16:43:42Z)
• LAMASSU: Streaming Language-Agnostic Multilingual Speech Recognition and Translation Using Neural Transducers [71.76680102779765]
  自動音声認識(ASR)と音声翻訳(ST)はどちらもモデル構造としてニューラルトランスデューサを使用することができる。 ニューラルトランスデューサを用いた多言語音声認識および翻訳モデルであるLAMASSUを提案する。
  論文  参考訳（メタデータ） (2022-11-05T04:03:55Z)
• M-SpeechCLIP: Leveraging Large-Scale, Pre-Trained Models for Multilingual Speech to Image Retrieval [56.49878599920353]
  本研究は,多言語画像音声検索におけるCLIPとHuBERTの大規模,英語のみの事前学習モデル(CLIPとHuBERT)の利用について検討する。 非英語画像音声検索では、各言語毎に個別のモデルを訓練する場合と、3言語すべてで音声を処理する1つのモデルの両方において、最先端のパフォーマンスを幅広いマージンで上回ります。
  論文  参考訳（メタデータ） (2022-11-02T14:54:45Z)
• A Highly Adaptive Acoustic Model for Accurate Multi-Dialect Speech Recognition [80.87085897419982]
  単一AMを用いた高精度多言語音声認識のための新しい音響モデリング手法を提案する。 提案するAMは、方言情報とその内部表現に基づいて動的に適応し、複数の方言を同時に扱うための高度適応型AMとなる。 大規模音声データセットにおける実験結果から,提案したAMは,方言固有のAMと比較して,単語誤り率(WER)が8.11%,方言固有のAMに比べて7.31%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-05-06T06:07:09Z)
• Towards One Model to Rule All: Multilingual Strategy for Dialectal Code-Switching Arabic ASR [11.363966269198064]
  自己アテンションに基づくコンストラクタアーキテクチャを用いて,多言語対応の大規模ASRを設計する。 我々はアラビア語(Ar)、英語(En)、フランス語(Fr)を用いてシステムを訓練した。 以上の結果から,最先端のモノリンガル方言アラビア語およびコードスイッチングアラビアASRよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-05-31T08:20:38Z)
• Unsupervised Cross-lingual Representation Learning for Speech Recognition [63.85924123692923]
  XLSRは、複数の言語における音声の生波形から1つのモデルを事前学習することで、言語間音声表現を学習する。 我々は、マスク付き潜在音声表現よりも対照的なタスクを解くことで訓練されたwav2vec 2.0を構築した。 実験により、言語間事前学習はモノリンガル事前訓練よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2020-06-24T18:25:05Z)
• That Sounds Familiar: an Analysis of Phonetic Representations Transfer Across Languages [72.9927937955371]
  我々は、他言語に存在するリソースを用いて、多言語自動音声認識モデルを訓練する。 我々は,多言語設定における全言語間での大幅な改善と,多言語設定におけるスターク劣化を観察した。 分析の結果、ひとつの言語に固有の電話でさえ、他の言語からのトレーニングデータを追加することで大きなメリットがあることがわかった。
  論文  参考訳（メタデータ） (2020-05-16T22:28:09Z)

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。