論文の概要: Montreal Forced Aligner and the state of speech-to-text alignment in 2026

• arxiv url: http://arxiv.org/abs/2606.18466v1
• Date: Tue, 16 Jun 2026 20:18:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.889169
• Title: Montreal Forced Aligner and the state of speech-to-text alignment in 2026
• Title（参考訳）: モントリオール強制アリグナーと2026年の音声テキストアライメントの現状
• Authors: Michael McAuliffe, Kaylynn Gunter, Michael Wagner, Morgan Sonderegger,
• Abstract要約: モントリオール・フォースド・アリグナー(モントリオール・フォースド・アリグナー、英: Montreal Forced Aligner、MFA)は、研究と産業における強制アライメントのための最も広く使われているツールである。 本報告では,MFA 3.0のバージョン1.0以降の開発状況を報告し,英語,日本語,韓国語でMFAのパフォーマンスを評価する。
• 参考スコア（独自算出の注目度）: 1.8374319565577155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Montreal Forced Aligner (MFA) was released in 2016 and has since become the most widely used tool for forced alignment in research and industry. In the decade since, MFA has undergone substantial development, including expanded coverage across more languages and dialects using larger open-source datasets, harmonized IPA dictionaries, model adaptation, cross-language phone remapping, and support utilities. This paper documents MFA 3.0's developments since version 1.0 and evaluates MFA's performance across English, Japanese, and Korean, benchmarked against classic and neural forced aligners. MFA 3.0 achieves state-of-the-art or near state-of-the-art performance across all four benchmark datasets with mean boundary errors below 15 ms. Adaptation and cross-language remapping are effective for languages outside MFA's training distribution, and pronunciation probability modeling and phonological rules provide gains in specific conditions.
• Abstract（参考訳）: モントリオール強制アリグナー(MFA)は2016年にリリースされ、その後、研究と産業における強制アライメントのための最も広く使われているツールとなった。 それ以来の10年間、MFAは、より大きなオープンソースデータセット、調和したIPA辞書、モデル適応、言語間電話の再マッピング、サポートユーティリティを使用して、より多くの言語や方言をカバー範囲を広げてきた。 本論文は、MFA 3.0のバージョン1.0以降のMFA 3.0の開発状況について報告し、古典的および神経強制整合器に対してベンチマークした英語、日本語、韓国語でのMFAの性能を評価する。 MFA 3.0は、平均境界誤差が15ミリ秒未満の4つのベンチマークデータセットすべてに対して、最先端または最先端に近いパフォーマンスを実現している。適応と言語間リマッピングは、MFAのトレーニング分布外の言語に有効であり、発音確率モデリングと音韻規則は、特定の条件下での利得を提供する。

関連論文リスト

• 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)
• Bilingual Text-to-Motion Generation: A New Benchmark and Baselines [52.71312720094036]
  LLMアノテーションと厳密な手動修正によって構築されたバイリンガルテキスト・モーション・ベンチマークであるBiHumanML3Dを紹介する。 また,CLA(Cross-Lingual Alignment)を用いたバイリンガルモーション拡散合成(BiMD)を提案する。 CLA を用いた BiMD は 0.045 対 0.169 対 R@3 対 80.8% の FID を達成し、単言語拡散モデルと BiHumanML3D の翻訳ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-26T08:48:27Z)
• X-ALMA: Plug & Play Modules and Adaptive Rejection for Quality Translation at Scale [25.257770733168012]
  大規模言語モデル(LLM)は、英語中心の事前学習と限定的な多言語データにより、様々なNLPタスクにおいて顕著な成功を収めている。 X-ALMA**は、50の多様な言語で最高のパフォーマンスを保証するために設計されたモデルです。
  論文  参考訳（メタデータ） (2024-10-04T03:17:27Z)
• RLHF Can Speak Many Languages: Unlocking Multilingual Preference Optimization for LLMs [13.563021984882704]
  高品質な多言語フィードバックデータを生成するための,新しいスケーラブルな手法を提案する。 我々の選好訓練モデルはAya 23 8Bに対して54.4%の勝利率を達成した。 その結果,世界の人口の半分をカバーする23言語にアライメント手法のフロンティアを広げた。
  論文  参考訳（メタデータ） (2024-07-02T17:42:30Z)
• The Power of Question Translation Training in Multilingual Reasoning: Broadened Scope and Deepened Insights [108.40766216456413]
  大規模言語モデルの英語と非英語のパフォーマンスのギャップを埋めるための質問アライメントフレームワークを提案する。 実験結果から、さまざまな推論シナリオ、モデルファミリー、サイズにわたって、多言語のパフォーマンスを向上できることが示された。 我々は、表現空間、生成された応答とデータスケールを分析し、質問翻訳訓練がLLM内の言語アライメントをどのように強化するかを明らかにする。
  論文  参考訳（メタデータ） (2024-05-02T14:49:50Z)
• Data-Augmentation-Based Dialectal Adaptation for LLMs [26.72394783468532]
  本稿では, GMUNLPによるVarDial 2024におけるDialect-Copa共有タスクへの参加について述べる。 この課題は、南スラヴ語のマイクロディレクト上での大規模言語モデル(LLM)の常識推論能力を評価することに焦点を当てている。 本稿では,異なるタイプの言語モデルの強みを組み合わせ,データ拡張技術を活用してタスク性能を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2024-04-11T19:15:32Z)
• ANGOFA: Leveraging OFA Embedding Initialization and Synthetic Data for Angolan Language Model [6.674289868371233]
  本稿では,多言語適応微調整(MAFT)アプローチを用いて,アンゴラ語に特化された4つの言語モデルを提案する。 本稿では、下流タスクにおけるMAFTモデルの性能向上における情報埋め込みと合成データの役割について調査する。
  論文  参考訳（メタデータ） (2024-04-03T07:44:38Z)
• MRN: Multiplexed Routing Network for Incremental Multilingual Text Recognition [56.408324994409405]
  多重ルーティングネットワーク(MRN)は、現在見られる言語ごとに認識器を訓練する。 MRNは、古いデータへの依存を効果的に減らし、破滅的な忘れ物との戦いを改善する。 既存の汎用IL法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2023-05-24T06:03:34Z)
• Unsupervised Domain Adaptation of a Pretrained Cross-Lingual Language Model [58.27176041092891]
  最近の研究は、大規模未ラベルテキストに対する言語間言語モデルの事前学習が、大幅な性能向上をもたらすことを示唆している。 本稿では,絡み合った事前学習した言語間表現からドメイン固有の特徴を自動的に抽出する,教師なし特徴分解手法を提案する。 提案モデルでは、相互情報推定を利用して、言語間モデルによって計算された表現をドメイン不変部分とドメイン固有部分に分解する。
  論文  参考訳（メタデータ） (2020-11-23T16:00:42Z)

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。