論文の概要: Scaling Conversational Hungarian ASR: The BEA-Dialogue+ Corpus

• arxiv url: http://arxiv.org/abs/2605.31469v1
• Date: Fri, 29 May 2026 16:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.720246
• Title: Scaling Conversational Hungarian ASR: The BEA-Dialogue+ Corpus
• Title（参考訳）: ハンガリー語ASRのスケーリング - BEA-Dialogue+ Corpus
• Abstract要約: 本稿では,BEA-Dialogueコーパスの拡張版であるBEA-Dialogue+を紹介する。 この結果、200時間の自然な会話が書き起こされる。 両コーパスバージョンにおけるWhisperおよびFastConformerに基づくモデルの評価を行った。
• 参考スコア（独自算出の注目度）: 1.3432835891025114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational automatic speech recognition in Hungarian is constrained by the limited amount of publicly available dialogue-style training data. The BEA-Dialogue corpus addresses this need, but its strictly speaker-disjoint train/dev/eval split reduces the usable material to only 85 hours. In this paper, we introduce BEA-Dialogue+, an expanded version of the corpus that relaxes the split criterion for experimenters and dialogue partners while preserving complete separation of the primary speakers. This results in 200 hours of transcribed natural conversations and enables a controlled study of the trade-off between additional training data and speaker overlap across the splits. We evaluate several Whisper- and FastConformer-based models on both corpus versions, including Serialized Output Training (SOT)-based fine-tuning for dialogue transcription. Our results show that the larger corpus is more challenging for models without fine-tuning, whereas SOT-based adaptation yields consistent improvements in WER, CER, cpWER, and cpCER. Overall, BEA-Dialogue+ provides a substantially larger yet still demanding benchmark for Hungarian dialogue ASR, and a practical resource for training and evaluating dialogue transcription systems.
• Abstract（参考訳）: ハンガリー語における会話の自動音声認識は、公開可能な対話スタイルのトレーニングデータの限られた量によって制限される。 BEA-ダイアログ・コーパスは、このニーズに対処するが、厳密には話者不一致の列車/デヴ/エバル・スプリットは、使用可能な材料をわずか85時間に短縮する。 本稿では,実験者と対話相手の分割基準を緩和するとともに,主話者の完全分離を保ちながら,コーパスの拡張版であるBEA-Dialogue+を紹介する。 これにより、200時間の自然な会話が書き起こされ、追加のトレーニングデータと話者の重複する分割の間のトレードオフを制御できる。 我々は,SOT(Serialized Output Training)に基づく対話転写のための微調整を含む,Whisper-およびFastConformerベースのモデルを両コーパスで評価した。 一方,SOTをベースとした適応は,WER,CER,cpWER,cpCERにおいて一貫した改善をもたらす。 全体として、BEA-Dialogue+はハンガリー語の対話 ASR に対してかなり大きく、しかもまだ要求の大きいベンチマークを提供し、対話の書き起こしシステムの訓練と評価のための実践的なリソースを提供する。

関連論文リスト

• Speaker-Aware Simulation Improves Conversational Speech Recognition [1.0251581485267474]
  ハンガリー語会話型ASRのためのSASCフレームワークを適応し実装する。 C-SASC(C-SASC)は、発話時間に条件付きポーズモデリングを組み込んだ拡張版である。 我々は、BEA-Largeコーパスから合成ハンガリー語対話を生成し、それらを実際の会話データと組み合わせてASR訓練を行う。
  論文  参考訳（メタデータ） (2026-02-04T17:12:09Z)
• Toward Conversational Hungarian Speech Recognition: Introducing the BEA-Large and BEA-Dialogue Datasets [1.3575563075756973]
  ハンガリー語音声コーパス BEA の未処理部分から構築した BEA-Large と BEA-Dialogue という2つの新しいデータセットを紹介した。 BEA-LargeはBEA-Baseを拡張し、433人の話者による255時間の自発的なスピーチを、詳細なセグメントレベルのメタデータで豊かにする。 BEA-ダイアログ(BEA-Dialogue)は、自然対話を話者に依存しないサブセットに分割したハンガリー語音声コーパスである。
  論文  参考訳（メタデータ） (2025-11-17T16:02:08Z)
• MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models [59.80042864360884]
  話者分布自動音声認識(SA-ASR)は,対応する話者に文字を正確に割り当てながら音声を転写することを目的としている。 本稿では,凍結した多言語ASRモデルを用いて話者属性を転写に組み込む新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-27T09:01:08Z)
• Re$^3$Dial: Retrieve, Reorganize and Rescale Dialogue Corpus for Long-Turn Open-Domain Dialogue Pre-training [90.3412708846419]
  既存の事前学習コーパスのほとんどの対話は、3回未満の対話を含む。 数十億ドル規模のロングターン対話を自動的に構築するRetrieve, Reorganize, Rescale framework (Re$3$Dial)を提案する。 上記のプロセスを繰り返すことで、Re$3$Dialはコヒーレントなロングターン対話をもたらすことができる。
  論文  参考訳（メタデータ） (2023-05-04T07:28:23Z)
• DIONYSUS: A Pre-trained Model for Low-Resource Dialogue Summarization [127.714919036388]
  DIONYSUSは、任意の新しいドメインでの対話を要約するための訓練済みエンコーダデコーダモデルである。 実験の結果,DIONYSUSは6つのデータセット上で既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-12-20T06:21:21Z)
• DialogBERT: Discourse-Aware Response Generation via Learning to Recover and Rank Utterances [18.199473005335093]
  本稿では,従来の PLM に基づく対話モデルを強化した対話応答生成モデルである DialogBERT を提案する。 発話間の談話レベルのコヒーレンスを効果的に把握するために,マスク付き発話回帰を含む2つの訓練目標を提案する。 3つのマルチターン会話データセットの実験により、我々のアプローチがベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2020-12-03T09:06:23Z)

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。