論文の概要: NADI 2026: The Second Multidialectal Arabic Speech Processing Shared Task

• arxiv url: http://arxiv.org/abs/2609.27086v1
• Date: Tue, 22 Sep 2026 21:37:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.777528
• Title: NADI 2026: The Second Multidialectal Arabic Speech Processing Shared Task
• Title（参考訳）: NADI 2026:第2回多言語アラビア語音声処理共有タスク
• Abstract要約: 自動音声認識(ASR)、音声対話識別(SDID)、テキスト音声翻訳(TTS)、音声言語翻訳(SLT)、音声言語理解(SLU)の5つのタスクと8つのサブタスクからなる。 Nadir 2026は、低帯域幅、混合ダイアレクト、コードスイッチ、アウト・オブ・ドメイン、ゼロショット設定による現実的な評価を強調している。
• 参考スコア（独自算出の注目度）: 58.96707725438922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: NADI 2026 is the seventh edition of the Nuanced Arabic Dialect Identification (NADI) shared task series and the second dedicated to multidialectal Arabic speech processing. This edition comprises five tasks and eight subtasks spanning Automatic Speech Recognition (ASR), Spoken Dialect Identification (SDID), Text-to-Speech (TTS), Spoken Language Translation (SLT), and Spoken Language Understanding (SLU). NADI 2026 emphasizes realistic evaluation through low-bandwidth, mixed-dialect, code-switched, out-of-domain, and zero-shot settings, while introducing TTS, SLT, and SLU to the series for the first time. The shared task attracted 21 participating teams from at least 13 countries, with 48 test-phase submissions and 14 submitted system-description papers. Results show that out-of-domain generalization remains a major bottleneck and highlight the effectiveness of recent Arabic-specialized speech models, multimodal dialect identification approaches, and ensemble methods. Overall, NADI 2026 provides a broader and more challenging benchmark for robust Arabic dialect speech processing.
• Abstract（参考訳）: NADI 2026は、Nuanced Arabic Dialect Identification(NADI)共有タスクシリーズの第7版であり、多方言のアラビア語音声処理に特化した第2版である。 自動音声認識(ASR)、音声対話識別(SDID)、テキスト音声翻訳(TTS)、音声言語翻訳(SLT)、音声言語理解(SLU)の5つのタスクと8つのサブタスクからなる。 NADI 2026は、TTS、SLT、SLUを初めて導入し、低帯域幅、混合ダイアレクト、コードスイッチ、ドメイン外、ゼロショット設定による現実的な評価を強調している。 共有タスクには、少なくとも13カ国から21の参加チームが参加し、48のテストフェーズが提出され、14のシステム記述論文が提出された。 その結果、領域外一般化は依然として大きなボトルネックであり、近年のアラビア特化音声モデル、マルチモーダル弁証法、アンサンブル法の有効性を強調している。 NADI 2026は、アラビア方言の堅牢な音声処理のための、より広く、より困難なベンチマークを提供する。

関連論文リスト

• AlexandriaX 2026: The First Shared Task on Dialectal Arabic Machine Translation [65.18574662565511]
  アレクサンドリアX 2026 アラビア語 MT の共有タスクは、3つのサブタスクを通じて課題に対処する。 Subtask 1の最良のシステムは、制約のないトラックで30.42 spBLEU、制約のないトラックで33.49 spBLEUを達成した。 その結果、明示的な方言モデリング、文脈認識生成、検索と再ランク付け、およびMT誤り解析のための特殊なアプローチの利点が浮き彫りになった。
  論文  参考訳（メタデータ） (2026-09-19T05:59:30Z)
• ELYADATA & LIA at NADI 2025: ASR and ADI Subtasks [10.679081563761793]
  本稿では,Elyadata & LIAによるNADI多言語アラビア語音声処理2025への共同提出について述べる。 ADIサブタスクでは1位,ASRサブタスクでは2位にランクインした。
  論文  参考訳（メタデータ） (2025-11-13T08:44:39Z)
• GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human [71.42669028683741]
  我々は,Coling 2025におけるGenAIワークショップの一環として,バイナリマシン生成テキスト検出における共有タスクを提案する。 このタスクは、モノリンガル(英: Monolingual)とマルチリンガル(英: Multilingual)の2つのサブタスクから構成される。 本稿では,データの包括的概要,結果の概要,参加システムの詳細な説明,提出内容の詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-01-19T11:11:55Z)
• Findings of the IWSLT 2024 Evaluation Campaign [102.7608597658451]
  本稿は、第21回IWSLT会議によって組織された共有タスクについて報告する。 共通タスクは、音声翻訳における7つの科学的課題に対処する。
  論文  参考訳（メタデータ） (2024-11-07T19:11:55Z)
• NADI 2024: The Fifth Nuanced Arabic Dialect Identification Shared Task [28.40134178913119]
  第5回Nuanced Arabic Dialect Identification Shared Task(NADI 2024)の発見について述べる。 NADI 2024は、多ラベル課題としての方言の識別と、アラビア語の方言のレベルを識別することの両方を目標とした。 優勝チームはSubtask1で50.57 Ftextsubscript1、Subtask2で0.1403 RMSE、Subtask3で20.44 BLEUを達成した。
  論文  参考訳（メタデータ） (2024-07-06T01:18:58Z)
• Mavericks at NADI 2023 Shared Task: Unravelling Regional Nuances through Dialect Identification using Transformer-based Approach [0.0]
  我々は,国レベルの方言識別を扱うサブタスク1の方法論を強調した。 このタスクは、マルチクラス分類問題に対する18の方言を含むTwitterデータセット(TWT-2023)を使用する。 テストデータセットでF1スコア76.65 (11位)を達成した。
  論文  参考訳（メタデータ） (2023-11-30T17:37:56Z)
• Findings of the 2023 ML-SUPERB Challenge: Pre-Training and Evaluation over More Languages and Beyond [87.4049283495551]
  2023年のMultilingual Speech Universal Performance Benchmark (ML-SUPERB) Challengeは、宣言されたSUPERBフレームワークに拡張される。 この挑戦は12のモデル提出と54の言語コーパスを集め、154の言語を含む包括的なベンチマークをもたらした。 この結果は、単にスケーリングモデルが多言語音声タスクにおける決定的な解決策ではないことを示唆している。
  論文  参考訳（メタデータ） (2023-10-09T08:30:01Z)

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。