論文の概要: Toward a Cross-Lingual Romanization Ecosystem for Sinitic Languages: A Paired Mandarin-Cantonese Case Study

• arxiv url: http://arxiv.org/abs/2608.29170v1
• Date: Sat, 29 Aug 2026 09:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.865771
• Title: Toward a Cross-Lingual Romanization Ecosystem for Sinitic Languages: A Paired Mandarin-Cantonese Case Study
• Title（参考訳）: sinitic言語における言語横断的ロマン化エコシステムの実現に向けて--マンダリン・カントーンのペア化事例から
• Abstract要約: 本稿では,デジタルインフラストラクチャとコミュニティ主導のオープンソースワークフローをサポートする,言語横断的なSiniticロマネジング設計フレームワークを提案する。 我々は,メキシアン・ハッカ,上海・ウー,南京・江海・マンダリンなど,他のいくつかの新言語のためのスキームを開発した。 本研究では,ロマネジング方式を実用化するために,構造化ロマネジングストレージ,変換,解析,ディクショナリー構築,入力メソッド生成のためのオープンソース基盤を開発する。
• 参考スコア（独自算出の注目度）: 36.28478755629348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes the Sinitic Romanization Ecosystem, a cross-lingual Sinitic romanization design framework with supporting digital infrastructure and a community-driven open-source workflow. The design framework addresses the lack of systematic cross-lingual romanization alignment among Sinitic languages through four design principles: phonetic correspondence for representing similar sounds with similar romanized symbols, historical-phonological correspondence for aligning cognate romanization strings, one-phoneme-one-symbol, and basic Latin-letter use, with a balancing consideration recognizing trade-offs among these principles. For the main paired case study, we devel-op CantRomZJ1 and MandRomZJ1, Cantonese and Manda-rin romanization schemes following the design framework, respectively. We also develop schemes for several other Sinitic languages, including Meixian Hakka, Shanghai Wu, and Nanjing Jianghuai Mandarin, following the same de-sign framework. To bring the romanization schemes into practical use, we develop open-source infrastructure for structured romanization storage, conversion, parsing, dic-tionary construction, and input-method generation. Finally, we evaluate the design framework through speech-to-romanization experiments based on Meta's Massively Mul-tilingual Speech (MMS) fine-tuning. Compared with the Pinyin+Jyutping baseline, our Man-dRomZJ1+CantRomZJ1 condition reduces Cantonese WER and CER by 7.80% and 10.61%, respectively. These results suggest that cross-lingual romanization alignment can improve transfer in low-resource Sinitic speech technology.
• Abstract（参考訳）: 本稿では,Sinitic Romanization Ecosystemを提案する。Sinitic Romanizationデザインフレームワークは,デジタルインフラストラクチャとコミュニティ主導のオープンソースワークフローをサポートする。 デザイン・フレームワークは、類似のロマン化記号と類似の音を表す音素対応、コグネート・ロマン化文字列の整列のための歴史的・音韻対応、ワン音素・ワン・シンボローム、ラテン・レターの基本的使用の4つの設計原理を通じて、シニト語間の体系的な言語間ロマン化アライメントの欠如に対処している。 メインペアケーススタディでは,設計フレームワークに従って,CantRomZJ1,MandRomZJ1,Candtonese,Manda-rinのロマン化スキームについて検討した。 我々はまた、同じデサインの枠組みに従って、メキシアン・ハッカ、上海・ウー、南京・江海・マンダリンなど他のいくつかのシナ語言語のためのスキームも開発している。 本研究では,ロマネジング方式を実用化するために,構造化ロマネジングストレージ,変換,解析,ディクショナリー構築,入力メソッド生成のためのオープンソース基盤を開発する。 最後に,MetaのMassively Mul-tilingual Speech (MMS)ファインチューニングに基づく音声-ロマン化実験による設計枠組みの評価を行った。 Man-dRomZJ1+CantRomZJ1条件は、Pinyin+Jyutpingベースラインと比較して、カントンWERとCERをそれぞれ7.80%、CERは10.61%減少させる。 これらの結果は,低音源のSinitic音声技術において,言語間のロマネライズアライメントが伝達を改善することを示唆している。

関連論文リスト

• Zero-AVSR: Zero-Shot Audio-Visual Speech Recognition with LLMs by Learning Language-Agnostic Speech Representations [65.59784436914548]
  ローマ語文を予測して言語に依存しない音声表現を学習するAV-Romanizerについて紹介する。 予測されたローマ語文を言語固有のグラフエムに変換し、提案したカスケードゼロ-AVSRを形成する。 音声・言語多様性の広帯域化を図るため,MARC(Multilingual Audio-Visual Romanized Corpus)も導入した。
  論文  参考訳（メタデータ） (2025-03-08T16:40:13Z)
• Dialectal and Low-Resource Machine Translation for Aromanian [44.99833362998488]
  本稿では,英語,ルーマニア語,ルーマニア語をサポートするニューラルマシン翻訳システムの構築プロセスについて述べる。 主な貢献は、79,000の文対からなるルーマニアとルーマニアの最も広範な平行コーパスの作成である。 そこで本研究では,テキストマイニングと自動評価のための言語に依存しない文埋め込みモデルを含む補助ツール群を提案する。
  論文  参考訳（メタデータ） (2024-10-23T10:00:23Z)
• Decolonising Data Systems: Using Jyutping or Pinyin as tonal representations of Chinese names for data linkage [0.0]
  データ品質を選択的に妥協するメカニズムは、名前のロマン化である。 漢字の標準化されていないロマン化は、中国人移民にとってリンクレートが低くなった。 本論説は、漢名を持つ個人のリンク率や精度を向上させるため、広東語(Jyutping)や中国語(Pinyin)の標準化されたロマン化システムの使用を示唆するものである。
  論文  参考訳（メタデータ） (2024-09-06T12:01:01Z)
• Romanization Encoding For Multilingual ASR [17.296868524096986]
  我々は,多言語およびコードスイッチング自動音声認識システムの最適化のために,スクリプト重言語に対するロマネライズ符号化を導入する。 Roman2Charモジュールを備えたFastConformer-RNNTフレームワークにおいて,バランスの取れたトークンライザとともにローマン化符号化を採用することにより,語彙や出力次元を大幅に削減する。 本手法は,音響モデルと言語モデリングを分離し,システムの柔軟性と適応性を向上する。
  論文  参考訳（メタデータ） (2024-07-05T09:13:24Z)
• RomanSetu: Efficiently unlocking multilingual capabilities of Large Language Models via Romanization [17.46921734622369]
  ロマンティックテキストはトークンの肥大度を2x-4x削減する。 ロマンティックテキストは、様々なNLU、NLG、MTタスクにまたがるネイティブスクリプト表現にマッチまたは優れる。
  論文  参考訳（メタデータ） (2024-01-25T16:11:41Z)
• Enhancing Cross-lingual Transfer via Phonemic Transcription Integration [57.109031654219294]
  PhoneXLは、音素転写を言語間移動のための追加のモダリティとして組み込んだフレームワークである。 本研究は, 音素転写が, 言語間移動を促進するために, 正書法以外の重要な情報を提供することを示すものである。
  論文  参考訳（メタデータ） (2023-07-10T06:17:33Z)
• Shuo Wen Jie Zi: Rethinking Dictionaries and Glyphs for Chinese Language Pre-training [50.100992353488174]
  辞書知識と漢字の構造を持つ中国語PLMの意味理解能力を高める新しい学習パラダイムであるCDBERTを紹介する。 我々はCDBERTの2つの中核モジュールを Shuowen と Jiezi と名付け、そこで Shuowen は中国語辞書から最も適切な意味を取り出す過程を指す。 本パラダイムは,従来の中国語PLMのタスク間における一貫した改善を実証する。
  論文  参考訳（メタデータ） (2023-05-30T05:48:36Z)
• Constructing a Family Tree of Ten Indo-European Languages with Delexicalized Cross-linguistic Transfer Patterns [57.86480614673034]
  我々は,デレクシカル化転送を,解釈可能なツリー・ツー・ストリングパターンとツリー・ツー・ツリーパターンとして定式化する。 これにより、言語間移動を定量的に探索し、第二言語習得の問い合わせを拡張することができる。
  論文  参考訳（メタデータ） (2020-07-17T15:56:54Z)
• Phonetic and Visual Priors for Decipherment of Informal Romanization [37.77170643560608]
  観測されたロマライズされたテキストからオリジナルの非ラテン文字を解読するためのノイズチャネルWFSTカスケードモデルを提案する。 私たちは、エジプトのアラビア語とロシア語という2つの言語のロマン化データに基づいて、モデルを直接訓練します。 文字マッピングにおける音声と視覚の先行性による帰納的バイアスを加えることで、両方の言語におけるモデルの性能が大幅に向上することが実証された。
  論文  参考訳（メタデータ） (2020-05-05T21:57:27Z)

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。