論文の概要: Evaluation of Phonetic Encoding Algorithms on Transcription Datasets

• arxiv url: http://arxiv.org/abs/2609.04391v1
• Date: Thu, 03 Sep 2026 18:57:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.798712
• Title: Evaluation of Phonetic Encoding Algorithms on Transcription Datasets
• Title（参考訳）: 転写データセットにおける音声符号化アルゴリズムの評価
• Abstract要約: 音声符号化アルゴリズムがIPA表記における単語ベースの転写にどのように適合しているかを評価するために,新しい評価手法を提案する。 提案手法の妥当性は, 言語の正書法的透明性の測定に適用可能であることによってさらに支持される。
• 参考スコア（独自算出の注目度）: 0.3823356975862005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, a novel evaluation scheme built on a generalized variant of the Rand Index measure, namely, the Hüllermeier-Rifqi Index, is proposed in order to assess how well phonetic encoding algorithms conform to word-based transcriptions in IPA (International Phonetic Alphabet) notation. For this objective, the discordance score is obtained by calculating the absolute difference between the pairwise similarity values of ground-truth transcriptions and those of corresponding phonetic encodings, which are computed using normalized edit distance as a permutation dependent string metric. The resulting score is subsequently adjusted with respect to that of a random string generator incorporating the same alphabet as the encoder under consideration. A wide range of phonetic encoders were evaluated as such on multi-lingual transcription datasets along with their recall capabilities based on the collision rate. The validity of the proposed scheme is further supported by its applicability in measuring the orthographic transparency of a language when the writing system is viewed as an inherent phonetic representation.
• Abstract（参考訳）: 本研究では,Hüllermeier-Rifqi指数という,Rand Index尺度の一般化版に基づく新しい評価手法を提案し,IPA(International Phonetic Alphabet)表記法において,音声符号化アルゴリズムが単語ベースの文字起こしにどのように適合しているかを評価する。 この目的のために、この不一致スコアは、正規化編集距離を置換依存文字列計量として算出した接地真実転写の対角類似値と対応する音声符号化の対角類似度値との絶対差を算出して得られる。 結果のスコアは、検討中のエンコーダと同じアルファベットを組み込んだランダム文字列生成器のスコアに対して調整される。 音声エンコーダを多言語転写データセット上で, 衝突率に基づくリコール機能とともに評価した。 提案手法の有効性は,文章体系を固有の音声表現と見なす場合,言語の正書法的透明性を計測する適用性によってさらに支持される。

関連論文リスト

• Syllabic-Structure Decoder for Automatic Speech Recognition in Vietnamese [8.447993256993428]
  我々はベトナム語の特徴から、ASRのためのSyllabic-Structure Decoderを提案する。 提案手法では,音節の音韻的構成を明示的に把握し,コンパクトな音韻インベントリから有効な音節構造をデコーダで生成する。
  論文  参考訳（メタデータ） (2026-05-27T02:51:09Z)
• AQAScore: Evaluating Semantic Alignment in Text-to-Audio Generation via Audio Question Answering [97.52852990265136]
  音声対応大規模言語モデルの推論機能を活用するバックボーン非依存評価フレームワークであるAQAScoreを紹介する。 AQAScoreは人格関連性、ペア比較、構成推論タスクを含む複数のベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-01-21T07:35:36Z)
• Transcript-Prompted Whisper with Dictionary-Enhanced Decoding for Japanese Speech Annotation [4.314729314139958]
  音声と韻律のラベルを与えられた音声と音声のペアにアノテートする方法を提案する。 音韻ラベリングにおける誤りの訂正に辞書事前知識を用いた復号方式を用いる。 提案手法を用いてアノテートしたラベルで訓練したTTSモデルにより合成された音声の自然性は,手動のアノテーションで訓練したモデルに匹敵することを示す。
  論文  参考訳（メタデータ） (2025-06-09T11:10:24Z)
• Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
  事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。 テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
  論文  参考訳（メタデータ） (2025-05-26T07:21:20Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• Benchmarking Evaluation Metrics for Code-Switching Automatic Speech Recognition [19.763431520942028]
  本研究では,人間の判断によるコードスイッチング音声認識仮説のベンチマークデータセットを開発する。 自動仮説の最小化のための明確なガイドラインを定義する。 我々は、アラビア語/英語の方言音声におけるコードスイッチング音声認識結果の人間受容のための最初のコーパスをリリースする。
  論文  参考訳（メタデータ） (2022-11-22T08:14:07Z)
• Iterative pseudo-forced alignment by acoustic CTC loss for self-supervised ASR domain adaptation [80.12316877964558]
  特定のドメインからの高品質なデータラベリングはコストと人的時間を要する。 本稿では,反復的擬力アライメントアルゴリズムに基づく自己教師付きドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2022-10-27T07:23:08Z)
• Speaker Embedding-aware Neural Diarization: a Novel Framework for Overlapped Speech Diarization in the Meeting Scenario [51.5031673695118]
  重なり合う音声のダイアリゼーションを単一ラベル予測問題として再構成する。 話者埋め込み認識型ニューラルダイアリゼーション(SEND)システムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T06:40:39Z)
• Acoustic Neighbor Embeddings [2.842794675894731]
  本稿では,アコースティック・ニーバー・エンベディングと呼ばれる新しい音響単語の埋め込みを提案する。 埋め込み空間における座標間のユークリッド距離は、対応する列間の音素的可聴性を反映する。 認識精度は従来の有限状態トランスデューサ(FST)ベースのデコードと同一であり、語彙で最大100万名、埋め込みで40次元の試験データを使用する。
  論文  参考訳（メタデータ） (2020-07-20T05:33:07Z)
• Detecting Mismatch between Text Script and Voice-over Using Utterance Verification Based on Phoneme Recognition Ranking [7.655239948659383]
  本稿では,ボイスオーバとスクリプトの対応度を算出する新しい発話検証手法を提案する。 その結果,大声化音声の音素認識確率は通常の発話に比べて低下することが判明した。 そこで,提案手法では,音素系列に対応する各音素セグメントの認識ランキングを用いて,対応する文字に対する音声オーバ発話の信頼度を測定する。
  論文  参考訳（メタデータ） (2020-03-20T10:35:35Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

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。