論文の概要: DonorRank: Donor Language Selection for Low-Resource Cross-Lingual Speech Recognition

• arxiv url: http://arxiv.org/abs/2608.11441v1
• Date: Tue, 11 Aug 2026 21:16:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.389142
• Title: DonorRank: Donor Language Selection for Low-Resource Cross-Lingual Speech Recognition
• Title（参考訳）: DonorRank:低リソース言語間音声認識のためのドナー言語選択
• Authors: Akriti Dhasmana, Aarohi Srivastava, David Chiang,
• Abstract要約: DonorRankは、ゼロショットASRのための効果的なドナー言語を予測するための学習からランクのフレームワークである。 我々は、DonorRankがドナー言語選択自体を解析するための一般的なフレームワークであることを示す。
• 参考スコア（独自算出の注目度）: 7.81142462208334
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-resource automatic speech recognition (ASR) commonly relies on cross-lingual transfer, where models are adapted from higher-resource donor languages. However, selecting donors remains challenging for spontaneous speech from under-resourced language communities, due to linguistic variation, evolving orthographic conventions, and uneven resource availability. We present DonorRank, a learning-to-rank framework for predicting effective donor languages for zero-shot ASR. We evaluate DonorRank on two multilingual speech corpora of Indic and African language families. It accurately predicts donor language rankings and improves donor selection over common heuristics based on genetic similarity or high-resource languages. Beyond improving transfer, we show how DonorRank is a general framework for analyzing donor language selection itself. Our analyses show that the composition of the donor set determines which linguistic cues are useful in predicting successful transfer. We also identify transfer patterns that provide practical guidance for multilingual ASR in low-resource settings.
• Abstract（参考訳）: 低リソース自動音声認識(ASR)は一般的に、高リソースドナー言語からモデルが適応される言語間移動に依存している。 しかし、言語的変化、正書法的慣行の進化、資源の不均一さなどにより、未資源の言語コミュニティから自発的にドナーを選択することは依然として困難である。 ゼロショットASRのための効果的なドナー言語を予測するための学習からランクのフレームワークであるDonorRankを提案する。 Indic と African language family の多言語音声コーパスにおける DonorRank の評価を行った。 ドナー言語ランキングを正確に予測し、遺伝的類似性や高リソース言語に基づく共通のヒューリスティックスよりもドナー選択を改善する。 転送の改善以外にも、DonorRankはドナー言語選択自体を解析するための一般的なフレームワークであることを示す。 本分析により,ドナー集合の合成により,どの言語的手がかりが伝達の成功を予測するのに有用かが決定されることがわかった。 また、低リソース環境における多言語ASRの実用的なガイダンスを提供する転送パターンも同定する。

関連論文リスト

• Translation and Fusion Improves Zero-shot Cross-lingual Information Extraction [18.926993352330797]
  本稿では,低リソース言語データの英語翻訳をモデルに微調整したフレームワークであるTransFusionを提案する。 GoLLIE-TFは、IEタスクのための言語間命令チューニング LLM であり、ハイソース言語と低リソース言語のパフォーマンスギャップを埋めるように設計されている。
  論文  参考訳（メタデータ） (2023-05-23T01:23:22Z)
• Transfer to a Low-Resource Language via Close Relatives: The Case Study on Faroese [54.00582760714034]
  言語間のNLP転送は、高ソース言語のデータとモデルを活用することで改善できる。 我々は、名前付きエンティティ認識(NER)、セマンティックテキスト類似性(STS)、スカンジナビア全言語で訓練された新しい言語モデルのためのFaroeseデータセットとFaroeseデータセットの新しいWebコーパスをリリースする。
  論文  参考訳（メタデータ） (2023-04-18T08:42:38Z)
• LAMASSU: Streaming Language-Agnostic Multilingual Speech Recognition and Translation Using Neural Transducers [71.76680102779765]
  自動音声認識(ASR)と音声翻訳(ST)はどちらもモデル構造としてニューラルトランスデューサを使用することができる。 ニューラルトランスデューサを用いた多言語音声認識および翻訳モデルであるLAMASSUを提案する。
  論文  参考訳（メタデータ） (2022-11-05T04:03:55Z)
• Cross-lingual Transfer for Speech Processing using Acoustic Language Similarity [81.51206991542242]
  言語間の移動は、このデジタル分割を橋渡しする魅力的な方法を提供する。 現在の言語間アルゴリズムは、テキストベースのタスクや音声関連タスクを低リソース言語で実現している。 本稿では,数百の言語をまたがる音響的言語間移動対を効率的に同定する言語類似性手法を提案する。
  論文  参考訳（メタデータ） (2021-11-02T01:55:17Z)
• Cross-lingual, Character-Level Neural Morphological Tagging [57.0020906265213]
  文字レベルのリカレントなニューラルタグをトレーニングし、高リソース言語と低リソース言語を併用して形態的タグ付けを予測する。 複数の関連言語間の共同文字表現の学習は、高リソース言語から低リソース言語への知識伝達を成功させ、モノリンガルモデルの精度を最大30%向上させる。
  論文  参考訳（メタデータ） (2017-08-30T08:14:34Z)

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。