論文の概要: Dolphin-CN-Dialect: Where Chinese Dialects Matter

• arxiv url: http://arxiv.org/abs/2605.08961v1
• Date: Sat, 09 May 2026 13:56:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.994577
• Title: Dolphin-CN-Dialect: Where Chinese Dialects Matter
• Title（参考訳）: ドルフィン-CN-ダイアレクト:中国の方言が重要視される場所
• Abstract要約: 我々は、中国語と方言に富むシナリオに焦点を当てたストリーミング可能なASRモデルであるDolphin-CN-Dialectを提案する。 以前のバージョンと比較して、Dolphin-CN-Dialectはデータ処理、トークン化、トレーニング安定性、データサンプリング戦略を大幅に改善した。
• 参考スコア（独自算出の注目度）: 13.767134683526367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Dolphin-CN-Dialect, a streaming-capable ASR model with a focus on Chinese and dialect-rich scenarios. Compared to the previous version, Dolphin-CN-Dialect introduces substantial improvements in data processing, tokenization, training stability, and data sampling strategies. To address the challenges of highly imbalanced dialect data, we propose a temperature-based sampling strategy that effectively balances standard Mandarin and low-resource dialects, leading to significant gains in dialect recognition performance. In addition, we redesign the tokenizer to better align with linguistic characteristics, adopting character-level modeling for Chinese and subword modeling for English, while introducing extensible dialect tokens. Experimental results show that Dolphin-CN-Dialect achieves improvement in dialect recognition accuracy and CER reduction compared to Dolphin. Furthermore, Dolphin-CN-Dialect reaches competitive performance with recent SOTA open-source ASR models, while maintaining a significantly smaller model size. Dolphin-CN-Dialect supports both streaming and non-streaming inference, enabling a practical balance between latency and accuracy. It also provides flexible customization through hotword support and efficient deployment optimized for specialized hardware. These improvements make Dolphin-CN-Dialect a strong and practical solution for real-world multi-dialect ASR applications.
• Abstract（参考訳）: 我々は、中国語と方言に富むシナリオに焦点を当てたストリーミング可能なASRモデルであるDolphin-CN-Dialectを提案する。 以前のバージョンと比較して、Dolphin-CN-Dialectはデータ処理、トークン化、トレーニング安定性、データサンプリング戦略を大幅に改善した。 高度不均衡な方言データの課題に対処するために,標準マンダリンと低リソースの方言を効果的にバランスさせる温度に基づくサンプリング戦略を提案する。 さらに,中国語の文字レベルモデリングと英語のサブワードモデリングを採用しながら,拡張可能な方言トークンを導入した。 実験の結果,Dolphin-CN-DialectはDolphinと比較して,方言認識精度とCER低下率の向上を実現していることがわかった。 さらに、Dolphin-CN-Dialect は最近の SOTA オープンソース ASR モデルと競合し、モデルサイズはかなり小さい。 Dolphin-CN-Dialectはストリーミングと非ストリーミングの推論の両方をサポートし、レイテンシと精度の現実的なバランスを可能にする。 また、ホットワードのサポートによるフレキシブルなカスタマイズや、特別なハードウェアに最適化された効率的なデプロイメントも提供する。 これらの改良により、Dolphin-CN-Dialectは実世界のマルチダイアレクトASRアプリケーションのための強力で実用的なソリューションとなる。

関連論文リスト

• 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)
• Dolphin: A Large-Scale Automatic Speech Recognition Model for Eastern Languages [10.711500490805447]
  Dolphinは、Whisperアーキテクチャを拡張して幅広い言語をサポートする、大規模多言語自動音声認識モデルである。 このアプローチでは、Dolphinのパフォーマンスを洗練、最適化するために、社内のプロプライエタリなデータセットとオープンソースデータセットを統合しています。
  論文  参考訳（メタデータ） (2025-03-26T04:14:03Z)
• How to Learn a New Language? An Efficient Solution for Self-Supervised Learning Models Unseen Languages Adaption in Low-Resource Scenario [72.02391485962127]
  音声認識(ASR)における音声自己監視学習(SSL)モデルの性能向上 低リソース言語 ASR では、事前訓練された言語と低リソース言語のドメインミスマッチ問題に遭遇する。 これらの問題に対処するためのアダプタに基づく従来型の効率的な微調整手法を拡張した。
  論文  参考訳（メタデータ） (2024-11-27T10:51:00Z)
• Squid: Long Context as a New Modality for Energy-Efficient On-Device Language Models [9.922377957554106]
  Dolphinは、言語モデルにおける長いコンテキストのエネルギー効率の高い処理のための新しいデコーダデコーダアーキテクチャである。 弊社のアプローチは、デバイス上のモデルに固有の、エネルギー消費とレイテンシの問題に対処する。
  論文  参考訳（メタデータ） (2024-08-28T04:06:14Z)
• READIN: A Chinese Multi-Task Benchmark with Realistic and Diverse Input Noises [87.70001456418504]
  我々は、Realistic and Diverse Input Noisesを用いた中国のマルチタスクベンチマークREADINを構築した。 READINには4つの多様なタスクとアノテータが含まれており、Pinyin入力と音声入力という2つの一般的な中国語入力方式で元のテストデータを再入力するよう要求する。 我々は、強化された事前訓練された言語モデルと、堅牢なトレーニング手法を用いて実験を行い、これらのモデルがREADINに顕著な性能低下を被ることがしばしば見いだされた。
  論文  参考訳（メタデータ） (2023-02-14T20:14:39Z)
• Factorized Neural Transducer for Efficient Language Model Adaptation [51.81097243306204]
  空白および語彙予測を分解し,ニューラルトランスデューサの因子化モデルを提案する。 この因子化は、音声認識のためのトランスデューサにスタンドアロン言語モデルの改善を移すことが期待できる。 提案した因子化ニューラルトランスデューサは、言語モデル適応にドメイン外テキストデータを使用する場合、15%から20%のWER改善が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-27T15:04:00Z)
• Evaluating the Robustness of Neural Language Models to Input Perturbations [7.064032374579076]
  本研究では,雑音の多い入力テキストをシミュレートするために,文字レベルおよび単語レベルの摂動法を設計し,実装する。 本稿では,BERT,XLNet,RoBERTa,ELMoなどの高性能言語モデルを用いて,入力摂動の異なるタイプの処理能力について検討する。 その結果, 言語モデルは入力摂動に敏感であり, 小さな変化が生じても性能が低下することが示唆された。
  論文  参考訳（メタデータ） (2021-08-27T12:31:17Z)
• DaCy: A Unified Framework for Danish NLP [1.2891210250935146]
  DaCy: SpaCy上に構築されたデンマークNLPの統一フレームワークについて紹介する。 DaCyは、名前付きエンティティ認識、部分音声タグ付け、依存性解析で最先端のパフォーマンスを得る効率的なモデルを使用する。 デンマークのNLPパイプラインのバイアスとロバスト性に関する一連のテストは、DaNEのテストセットを拡張して実施する。
  論文  参考訳（メタデータ） (2021-07-12T10:14:31Z)
• Rejuvenating Low-Frequency Words: Making the Most of Parallel Data in Non-Autoregressive Translation [98.11249019844281]
  知識蒸留(KD)は、非自己回帰翻訳(NAT)モデルを訓練するための合成データを構築するために一般的に用いられる。 低周波対象語に対するアライメントを向上するために,逆KDを提案する。 その結果,提案手法は翻訳品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-06-02T02:41:40Z)
• Understanding and Improving Lexical Choice in Non-Autoregressive Translation [98.11249019844281]
  低周波ワードの有用な情報を復元するために、生データをNATモデルに公開することを提案する。 提案手法は,WMT14英語-ドイツ語とWMT16ルーマニア英語-英語データセットのSOTA NAT性能を27.8BLEU点,33.8BLEU点まで向上させる。
  論文  参考訳（メタデータ） (2020-12-29T03:18:50Z)

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。