論文の概要: S-DiverSe: Spanish Diverse Speech

• arxiv url: http://arxiv.org/abs/2607.03207v1
• Date: Fri, 03 Jul 2026 11:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.556072
• Title: S-DiverSe: Spanish Diverse Speech
• Title（参考訳）: S-DiverSe: スペイン語のディバーススピーチ
• Abstract要約: S-DiverSe(S-DiverSe)は、筋萎縮性側索硬化症、パーキンソン病、脳卒中を持つ22人の話者による3.2時間のスペイン語音声コーパスである。 データセットには、444個の手書き音声セグメントが含まれており、話者の性別、病型、知性に関するメタデータがある。
• 参考スコア（独自算出の注目度）: 67.47251829943015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic speech recognition (ASR) has advanced remarkably for standard speech, yet speech affected by neurological conditions remains a challenge. We present S-DiverSe (Spanish Diverse Speech), a corpus of 3.2 hours of in-the-wild Spanish speech from 22 speakers with amyotrophic lateral sclerosis, Parkinson's disease, and stroke. The dataset contains 444 manually transcribed audio segments with metadata on speaker sex, disease type, and intelligibility. S-DiverSe is designed to support ASR evaluation and development for neurologically affected Spanish speech. We describe the dataset, analyze its composition, and report baseline ASR results alongside initial adaptation experiments. Our findings reveal that heuristic text post-processing is more robust than fine-tuning for out-of-domain neurological Spanish speech. This underscores the need for dedicated in-the-wild Spanish benchmarks.
• Abstract（参考訳）: 音声認識(ASR)は、標準的な音声に対して著しく進歩しているが、神経学的条件によって影響を受ける音声は依然として課題である。 筋萎縮性側索硬化症,パーキンソン病,脳卒中患者22名を対象に,S-DiverSe(スペイン・ディバース・スピーチ)について検討した。 データセットには、444個の手書き音声セグメントが含まれており、話者の性別、病型、知性に関するメタデータがある。 S-DiverSeは、神経学的に影響を受けたスペイン語音声に対するASRの評価と開発を支援するように設計されている。 データセットを記述し、その構成を分析し、初期適応実験とともにベースラインASRの結果を報告する。 以上の結果から,ヒューリスティックテキストのポストプロセッシングは,ドメイン外神経学的スペイン語音声の微調整よりも頑健であることが明らかとなった。 このことは、独自のスペインのベンチマークの必要性を浮き彫りにしている。

関連論文リスト

• ESCUCHA: A Spanish Speech Benchmark for Heterogeneous Acoustic Conditions [66.93528077633728]
  ESCUCHAは、既存のデータセットからではなく、音声と組み合わせた1,000の人為的な質問からなる。 このベンチマークは、9つの知覚的カテゴリーと10の推論カテゴリにまたがる推論を強調し、複数のスペイン語アクセントと非ノルマ的スピーチを通して言語多様性を捉えている。 いくつかの最先端のマルチモーダルおよび音声モデルのベンチマークでは、訓練された人間と比較して、かなりのパフォーマンスのギャップが示される。
  論文  参考訳（メタデータ） (2026-07-20T10:59:15Z)
• MUSCAT: MUltilingual, SCientific ConversATion Benchmark [60.87925076316812]
  多言語音声技術の目標は、異なる言語を話す個人間のシームレスなコミュニケーションを容易にすることである。 この経験を生み出すためには、音声技術は、混合多言語入力、特定の語彙、コードスイッチングといったいくつかの課題に対処する必要がある。 本稿では,これらの課題に対処できるかどうかを問う,現在の音声認識(ASR)システムを評価するための新しいベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-04-17T10:39:01Z)
• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• HISPASpoof: A New Dataset For Spanish Speech Forensics [11.197805021913567]
  HISPASpoofは、合成音声の検出と帰属のために設計された最初の大規模なスペイン語データセットである。 これには、6つのアクセントにまたがる公のコーパスからの実際の音声と、6つのゼロショットTSシステムで生成された合成音声が含まれる。 5つの代表的手法を評価し,英語で訓練された検出器がスペイン語に一般化できないことを示す。
  論文  参考訳（メタデータ） (2025-09-11T05:29:07Z)
• Towards Inclusive ASR: Investigating Voice Conversion for Dysarthric Speech Recognition in Low-Resource Languages [49.31519786009296]
  音声変換モデルを英語の変形音声(UASpeech)に微調整し、話者特性と韻律歪みの両方を符号化する。 次に、健康な非英語音声(FLEURS)を非英語の変形性音声に変換する。 生成されたデータは、MMS(Massively Multilingually Speech)と呼ばれる多言語ASRモデルの微調整に使用される。
  論文  参考訳（メタデータ） (2025-05-20T20:03:45Z)
• NeuroVoz: a Castillian Spanish corpus of parkinsonian speech [34.916222066004465]
  この写本は、58人の健康的なコントロールと54人のPDを含む112人のカスティーリャ・スペイン語話者からなるNeuroVoz corpusを提示している。 また、このデータセットは、GRBAS尺度に従って専門家が行う音声品質の主観評価と補完される。 このデータセットはすでにいくつかの研究を支持しており、PDのスクリーニングのベンチマーク精度は89%に達した。
  論文  参考訳（メタデータ） (2024-03-04T16:17:39Z)
• Joint Pre-Training with Speech and Bilingual Text for Direct Speech to Speech Translation [94.80029087828888]
  直接音声音声翻訳 (S2ST) は, カスケードされたS2STと比較して, 優れた研究課題である。 直接S2STは、ソース言語の音声からターゲット言語の音声へのコーパスが非常に稀であるため、データ不足の問題に悩まされる。 本稿では,音声から音声への直接翻訳タスクのための音声とバイリンガルのテキストデータとを事前学習したSpeech2Sモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-31T02:55:51Z)
• Cross-lingual Self-Supervised Speech Representations for Improved Dysarthric Speech Recognition [15.136348385992047]
  本研究では, 変形性関節症に対するASRシステムの訓練機能として, Wav2Vec を用いた自己教師型音声表現の有用性について検討した。 我々は、Wav2Vec、Hubert、および言語間XLSRモデルから抽出された特徴を持つ音響モデルを訓練する。 結果から,大容量データに事前学習した音声表現は,単語誤り率(WER)を向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-04-04T17:36:01Z)

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。