論文の概要: TRILOGUE: A Trilingual Spoken Dialogue Fact-Checking Benchmark with Evidence and Paired Audio
- arxiv url: http://arxiv.org/abs/2609.04452v1
- Date: Thu, 03 Sep 2026 20:14:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.812538
- Title: TRILOGUE: A Trilingual Spoken Dialogue Fact-Checking Benchmark with Evidence and Paired Audio
- Title（参考訳）: TRILOGUE:エビデンスとペアオーディオを用いた三言語対話ファクトチェッキングベンチマーク
- Abstract要約: TRILOGUEは、英語、ロシア語、カザフ語における音声対話の大規模な三言語ベンチマークである。
クレームチェック可否検出、ソース・アーティクル証拠検索、クレームのみ、ゴールド・エビデンス、検索されたエビデンス入力によるクレーム検証をサポートする。
- 参考スコア（独自算出の注目度）: 9.752328576025263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern misinformation is often heard before it is read, yet fact-checking systems are still evaluated mainly on clean written claims. Spoken dialogue remains different even when systems operate on transcripts: claims may be distributed across speakers and turns, depend on prior context, and become harder to verify when Automatic Speech Recognition (ASR) errors distort the available text. Prior spoken dialogue fact-checking resources are small, English-centric, or focused on annotation rather than end-to-end benchmarking, leaving no large multilingual benchmark with paired speech and turn-level labels. We introduce TRILOGUE (TRIlingual spoken diaLOGUE fact-checking), a large-scale trilingual benchmark of source-grounded spoken dialogues in English, Russian, and Kazakh. It contains nearly 12K dialogues, 187K turns, and 390 hours of paired audio with ASR transcripts and word-level timestamp alignments across all three languages, including nearly 5K human-recorded Russian and Kazakh dialogue files. TRILOGUE supports claim check-worthiness detection, source-article evidence retrieval, and claim verification with claim-only, gold-evidence, and retrieved-evidence inputs. Baselines show that ASR degradation and cross-lingual transfer remain challenging, especially for Kazakh, while retrieved source evidence substantially narrows the gap to gold-evidence verification.
- Abstract（参考訳）: 現代の誤報は読まれる前にしばしば耳にされるが、事実確認システムは主にクリーンな書面による主張に基づいて評価されている。
クレームは話者間で分散され、以前の文脈に依存し、自動音声認識(ASR)エラーが利用可能なテキストを歪ませたときの検証が困難になる。
従来の音声対話のファクトチェックリソースは小さく、英語中心、あるいはエンドツーエンドのベンチマークではなくアノテーションに重点を置いており、ペアの音声とターンレベルのラベルを持つ多言語ベンチマークは残っていない。
本稿では、英語、ロシア語、カザフ語におけるソースグラウンド音声対話の大規模三言語ベンチマークであるTRILOGUE(trilingual spoken diaLOGUE fact-checking)を紹介する。
約12Kの対話、187Kのターン、390時間のオーディオとASRの文字起こしと単語レベルのタイムスタンプアライメントが含まれており、その中には5K近いロシア語とカザフスタンの対話ファイルが含まれている。
TRILOGUEはクレームチェックの信頼性の検出、ソース・アーティクル証拠の検索、クレームのみ、ゴールド・エビデンス、検索されたエビデンス入力によるクレーム検証をサポートする。
ベースラインは、特にカザフスタンでは、ASRの劣化と言語間移動が困難なままであることを示している。
関連論文リスト
- Qwen-Audio-3.0-ASR Technical Report [52.28849889799101]
本稿では,Mixture-of-Experts (MoE) LLM-based ASRシステムであるQwen-Audio-3.0-ASRを提案する。
Qwen-Audio-3.0-ASRは8つの主要方言領域にまたがる30の言語と16の中国語方言の転写をサポートしている。
レイテンシに敏感なアプリケーションのための専用ストリーミング変種Qwen-Audio-3.0-ASR-Streamingを開発した。
論文 参考訳（メタデータ） (2026-09-07T14:30:56Z) - Lost in Speech: Trilingual Spoken Hallucination Detection Across Audio and Transcripts [3.9934208032439495]
英語,ロシア語,カザフ語にまたがる12,013のニュースサンプルからなる,最初の多言語音声幻覚ベンチマークを示す。
合成コーパスをロシア語(225件)とカザフ語(65件)で収集した290件の偽ニュースを補完し、他の言語に翻訳し、同じTS-ASRパイプラインを通してレンダリングする。
我々は、微調整された多言語エンコーダと、ゼロショットのインコンテキスト設定において、書き起こしベースと直接オーディオ処理によるマルチモーダルデコーダモデルを評価する。
論文 参考訳（メタデータ） (2026-08-25T15:24:48Z) - Poster: Exploring the Limits of Audio-Based Detection of Turkish Phone Call Scams [7.5167995904281755]
本研究では,トルコ語における大規模な言語モデルが詐欺検出をどのようにサポートするかを検討する。
我々は,100組の音声書き起こし対のスカムと良心的な会話からなる,最初の公開マルチモーダルデータセットを紹介する。
以上の結果から,書き起こしによる入力は直接音声処理より一貫して優れており,人間の誤りや訂正されていない書き起こしは相容れないことが示唆された。
論文 参考訳（メタデータ） (2026-06-23T12:56:47Z) - Context-Aware Multimodal Claim Verification in Spoken Dialogues [12.111195479896557]
Spoken misinformationは会話を通じて構築され、信頼度はクレームのフレーム化、強化、左のアングルングの仕方から生まれる。
我々は,3,368件のチェック価値のあるクレームと約10時間の音声を含む1,000の2話者対話を含む音声クレーム検証のための新しいベンチマークMAD2を紹介する。
以前のコンテキストのみを使用すると、オフラインのパフォーマンスにマッチし、ライブモデレーション設定をサポートし、オーディオは、追加のコンテキストによって書き起こしベースのモデルが不安定になったときに、ほとんど寄与する。
論文 参考訳（メタデータ） (2026-06-09T20:13:37Z) - KVoiceBench, KOpenAudioBench, and KMMAU: Agent-Driven Korean Speech Benchmarks for Evaluating SpeechLMs [7.195547595036643]
本稿では,SpeechLM評価のための2つのヒューマンエージェント・ベンチマーク・コンストラクション・フレームワークを提案する。
ソース言語SpkenQAベンチマークをターゲット言語SpkenQAベンチマークに、ターゲット言語ASRコーパスをオーディオ理解ベンチマークに変換する。
これらのフレームワークを用いて,韓国語音声理解のためのKVoiceBenchとKOpenAudioBenchと韓国語音声理解のためのKMMAUの3つのベンチマークを構築し,公開する。
論文 参考訳（メタデータ） (2026-05-27T05:19:38Z) - 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) - Few-Shot Contrastive Adaptation for Audio Abuse Detection in Low-Resource Indic Languages [3.5238606794194816]
ソーシャルメディアが音声による対話へとシフトするにつれ、虐待的音声検出の重要性が高まっている。
コントラスト言語-オーディオ事前学習が、音声から直接虐待的音声検出を支援できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-04-10T08:23:03Z) - MOSS-TTSD: Text to Spoken Dialogue Generation [62.04179716555789]
複数の言語にまたがる多人数会話音声のための音声対話合成モデルであるMOSS-TTSDを提案する。
長文モデリングの強化により、MOSS-TTSDは明示的な話者タグを持つ対話スクリプトから長文音声対話を生成する。
このモデルは、英語や中国語を含む様々な主流言語をサポートし、いくつかの長文のシナリオに適応している。
論文 参考訳（メタデータ） (2026-03-20T08:23:31Z) - SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models [60.72029578488467]
SpeechRは、大規模な音声言語モデルにおける音声に対する推論を評価するための統一的なベンチマークである。
事実検索、手続き推論、規範的判断の3つの重要な側面に沿ったモデルを評価する。
11個の最先端のLALMの評価は、高い転写精度が強い推論能力に変換されないことを示している。
論文 参考訳（メタデータ） (2025-08-04T03:28:04Z) - 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) - DiariST: Streaming Speech Translation with Speaker Diarization [53.595990270899414]
本稿では,最初のストリーミングSTとSDソリューションであるDiariSTを提案する。
ニューラルトランスデューサベースのストリーミングSTシステム上に構築され、トークンレベルのシリアライズされた出力トレーニングとtベクタを統合している。
重なり合う音声のストリーミング推論を行いながら,Whisperに基づくオフラインシステムと比較して強いSTとSD能力を実現する。
論文 参考訳（メタデータ） (2023-09-14T19:33:27Z)
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。