論文の概要: AI_LectureNote: A Retrospective Pilot Study of a Post-ASR Workflow for English-Script Rendering and Semantic Drift in Korean-English Medical Lectures
- arxiv url: http://arxiv.org/abs/2607.17237v1
- Date: Sun, 19 Jul 2026 13:02:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.408706
- Title: AI_LectureNote: A Retrospective Pilot Study of a Post-ASR Workflow for English-Script Rendering and Semantic Drift in Korean-English Medical Lectures
- Title（参考訳）: AI_LectureNote:韓国英語医学講義における英語スクリプトレンダリングとセマンティックドリフトのためのASR後のワークフローのふりかえり
- Abstract要約: AI_LectureNoteは、韓国英語の医学講義のための可読性指向のポストASRワークフローである。
ラテン文字の医学用語を復元しながら、音声からテキストへの出力を研究用文字に書き換える。
- 参考スコア（独自算出の注目度）: 1.7028841264419619
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI_LectureNote is a historical, readability-oriented post-ASR workflow for Korean-English medical lectures. It rewrites speech-to-text output into study transcripts while restoring Latin-script medical terms rather than Korean phonetic transliterations. We retrospectively evaluate the workflow on four author-recorded lectures across five conditions. In this pilot, post-processing raised the macro English-script rendering rate from 0.39 to 0.71 on the whisper-1 path and from 0.26 to 0.65 when applied to 3-minute chunked gpt-4o-transcribe output. However, English-script rendering did not imply semantic faithfulness: the two post-processed conditions showed semantic drift in 34 and 36 of 282 reference sentences and polarity failures in 11 and 13 of 101 polarity-cue rows. A descriptive cross-input comparison suggested different candidate failure patterns: polarity-failure sets overlapped more strongly across front-ends (Jaccard 0.60; 9 shared of 15 unioned failures) than general semantic-drift sets (Jaccard 0.23; 13 shared of 57 unioned drifts). This single-annotator pilot documents concrete failure modes rather than population rates and supports evaluating surface accuracy, term-script rendering, chunk-level script consistency, and medical-meaning preservation separately.
- Abstract（参考訳）: AI_LectureNoteは、韓国英語の医学講義のための、歴史的、可読性を重視したASR後のワークフローである。
韓国語の音訳ではなく、ラテン文字の医学用語を復元しながら、音声からテキストへの出力を研究用文字に書き換える。
著者が記録した4つの講義のワークフローを5つの条件で振り返って評価した。
このパイロットでは、後処理によってwhisper-1パスでマクロイングリッシュのレンダリングレートが0.39から0.71に、gpt-4o-transcribe出力で0.26から0.65に上昇した。
2つの処理後の条件は、基準文282行中34行と36行にセマンティックドリフトを示し、101行中11行と13行に極性障害を示した。
極性欠陥セットは、一般的なセマンティックドリフトセット(Jaccard 0.23; 13 shared of 57 Unioned drifts)よりも、フロントエンド(Jaccard 0.60; 9 shared of 15 Unioned failures)で強く重なり合う。
このシングルアノテータパイロットは、人口率よりも具体的な障害モードを文書化し、表面の精度、用語のレンダリング、チャンクレベルのスクリプトの一貫性、医療目的の保存を別々に評価する。
関連論文リスト
- What Counts as a Mistake? Annotating Recitation Events in Quran Memorization Transcripts [2.627150003429427]
本報告では,100件の録音症例の人為的アノテーションについて報告する。
予備試験では、3つのコーディングエージェントで8つのシングル20分が動作し、8つのモデルがラベル対応のF1 0.143から0.892にまたがる。
162種目のうち7種目は6種目全てを破り、そのうち5種目は1種目、最多種目は1種目である。
論文 参考訳（メタデータ） (2026-09-10T18:11:41Z) - IndicQE-APE: A Benchmark for Quality Estimation and Automatic Post-Editing for Indic Languages [77.88427845181154]
我々はWMT 2020-2024の共有タスクの系統を、英語のリソースを拡張してインディクシーに集約する:9つの方向対に対して126,754ドルのインスタンス。
セグメントレベルのQEでは,LSMが6つ,COMETが3つ,APEでは3つのシステムをベンチマークした。
論文 参考訳（メタデータ） (2026-08-17T09:50:52Z) - Interpretable Cross-Lingual Alignment in Small Language Models: Probing Cultural and Pragmatic Reasoning in Japanese-English Bilingual LLMs [0.0]
表面流速から4つの現象を分離する最小ペアのベンチマークであるJ-PragEval-v0を紹介する。
線形プローブと教師による対数確率評価を組み合わせて、TinySwallow-1.5B内のどのコントラストがライブであるかを問う。
論文 参考訳（メタデータ） (2026-08-14T21:04:21Z) - Stoicheia: Character-Level Masked Diffusion for Ancient Greek Textual Restoration, Parsing, and Metrical Scansion [0.0]
ストイチェア (Stoicheia) は古代ギリシアの文字レベルのマスク付き拡散エンコーダである。
オープンでリビジョンされた380万ワードのコーパスで事前トレーニングを行い、11個のチェックポイントをリリースする。
イサカ自身のテスト分割では、同じ凍結サンプルと厳密なスコアで、Stoicheiaは両方の従来の最先端システムと比較して文字エラーを減らす。
論文 参考訳（メタデータ） (2026-08-07T14:07:43Z) - LV-ROVER-MLT: Low-Resource Maltese OCR by Multi-Stream Voting [0.0]
本稿では,文字誤り率0.0234の微調整Tesseractベースラインに対するベンチマーク結果について報告する。
アンサンブル認識のみは、ベースラインと同じラベルの慣例で行われ、文字エラー率を44%改善して0.01317に向上する。
Tesseractのストレートクォートとダッシュ出力をベンチマークのキュリークォート規則に合わせる後処理チェーンと、誤読ダイアクリティカルを回復する1つのステージは、完全なパイプラインを文字エラー率0.00700に導く。
論文 参考訳（メタデータ） (2026-06-30T22:58:41Z) - Jury Duty: Calibration and Orientation Failures in MLLM-as-a-Judge Under Cultural Ambiguity [43.23157850664282]
VOIR DIREは、米国と中国本土にまたがる、626の文化的にペアリングされたイメージプロンプトアーティファクトのマルチモーダルベンチマークである。
6つのMLLMにまたがって、バイアスは2つの障害に分解される。
本稿では,各参照プールに対して個別にアライメントを報告することを推奨する。
論文 参考訳（メタデータ） (2026-06-12T15:53:40Z) - Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - The Digital Afterlife of Empires: Four Language Models Converge on the Same Imperial Cartography of Writing [0.0]
大規模な言語モデルは、過激な不平等を伴う世界の書記システムを処理する。
29のスクリプト(9.7%)は現代のデジタルインフラで完全にサポートされており、158のリビングスクリプトのうち60(38.0%)は完全なサポートを欠いている。
tokenizer の効率は、パラレルテキストで測定された45のスクリプトに対して 31.7 の係数で変化する。
論文 参考訳（メタデータ） (2026-04-30T07:02:45Z) - A Grammar of Machine Learning Workflows [0.0]
本稿では、教師付き学習ライフサイクルを8つのカーネルプリミティブに分解し、型付き有向非巡回グラフ(DAG)で連結する構造的救済法を提案する。
文法のコアコントリビューションはターミナルアセスメントの制約であり、テストセットの繰り返し評価は、名目上異なるエビデンス型のガードによって拒否される。
論文 参考訳（メタデータ） (2026-03-11T13:15:33Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - Generating Natural-Language Surgical Feedback: From Structured Representation to Domain-Grounded Evaluation [66.7752700084159]
外科的トレーナーからの高品質なフィードバックは,訓練者のパフォーマンス向上と長期的スキル獲得に不可欠である。
本稿では,実際の訓練者-訓練者間の文書から外科的行動オントロジーを学習する構造対応パイプラインを提案する。
論文 参考訳（メタデータ） (2025-11-19T06:19:34Z) - ATRI: Mitigating Multilingual Audio Text Retrieval Inconsistencies by Reducing Data Distribution Errors [42.469131776062724]
既存の多言語音声テキスト検索方式は、例えば言語間での類似性マッチングのような不整合に悩まされている。
1対kのコントラスト学習とオーディオ-英語のコントラスト学習を用いた一貫したML-ATR方式を提案する。
提案手法は,英語を含む8つの主流言語に対して,リコールと整合性評価の最先端性能を実現する。
論文 参考訳（メタデータ） (2025-02-20T15:06:15Z) - Phonology-Guided Speech-to-Speech Translation for African Languages [2.7624021966289605]
音声合成のための韻律誘導フレームワーク(S2ST)を提案する。
Emphwithin-phylum言語対は30-40%低停止,3$times$以上のオンセット/オフセット相関を示した。
また、人間の判断と強く相関する3層無転写BLEUスイート(M1-M3)もリリースしています。
論文 参考訳（メタデータ） (2024-10-30T09:44:52Z) - Adversarial Training For Low-Resource Disfluency Correction [50.51901599433536]
ディフルエンシ補正(DC)のための逆学習型シーケンスタグ付けモデルを提案する。
提案手法の利点は,3つのインド語でDCに対して評価することで,合成された非流動データに大きく依存することを示す。
また,本手法は,音声障害によって導入されたASR文字の破面的不一致の除去にも有効である。
論文 参考訳（メタデータ） (2023-06-10T08:58:53Z) - Subword Segmentation and a Single Bridge Language Affect Zero-Shot
Neural Machine Translation [36.4055239280145]
WMTデータに基づいて学習した多言語EN$leftrightarrow$FR,CS,DE,FIシステムのゼロショット性能について検討した。
ゼロショット翻訳におけるソースのコピーに対するバイアスを観察し、サブワードセグメンテーションの選択がこのバイアスにどのように影響するかを考察する。
論文 参考訳（メタデータ） (2020-11-03T13:45:54Z) - Leveraging Discourse Rewards for Document-Level Neural Machine
Translation [46.006636555165414]
我々は,2つの確立された談話指標である語彙凝集(LC)とコヒーレンス(COH)を明示的に最適化する学習手法を提案する。
私たちのトレーニングアプローチは、他の競争的アプローチよりも密集的で一貫性のあるドキュメント翻訳を実現することができました。
論文 参考訳（メタデータ） (2020-10-08T02:26:22Z)
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。