論文の概要: THA: Weighted Finite-State Text Normalization and Inverse Text Normalization for Khmer
- arxiv url: http://arxiv.org/abs/2609.30984v1
- Date: Fri, 25 Sep 2026 08:31:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.296999
- Title: THA: Weighted Finite-State Text Normalization and Inverse Text Normalization for Khmer
- Title（参考訳）: THA: Khmerの重み付き有限状態テキスト正規化と逆テキスト正規化
- Abstract要約: Tha は Khmer テキスト正規化および逆テキスト正規化ツールキットである。
1つの最短パス探索で全行を分割し分類する。
GoogleのKhmerテストスイートでは、Thaは274のすべての基準を1つのスペル変種まで参照することに同意している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Text-to-speech needs written text in spoken form, and speech recognition output needs the reverse. For Khmer, neither direction has a maintained open-source tool, and the script makes both harder: words are not separated by spaces, and number words occur inside ordinary words. We present Tha, a Khmer text normalization and inverse text normalization toolkit built from weighted finite-state transducers. It segments and classifies a whole line in one shortest-path search, and a second transducer rejects token boundaries inside a Khmer syllable. On Google's Khmer test suite, Tha agrees with the reference on all 274 cardinals up to one spelling variant, and on 2,906 real TTS prompts, 153 of the 158 sentences it rewrites are correct. Tha is open source under the Apache 2.0 license.
- Abstract（参考訳）: テキスト・トゥ・音声は、音声形式で書かれたテキストを必要とし、音声認識出力は、その逆を必要とする。
Khmer氏にとって、どちらの方向もオープンソースのツールを持っておらず、スクリプトはどちらも難しい。
重み付き有限状態トランスデューサから構築したKhmerテキスト正規化および逆テキスト正規化ツールキットThaを提案する。
1つの最短パス探索で全行を分割し分類し、第2のトランスデューサはクメール音節内のトークン境界を拒否する。
GoogleのKhmerテストスイートでは、Taは274の基数に対して1つの綴りの変種への参照に同意しており、2,906の実TSプロンプトでは、158の文のうち153が正しい。
ThaはApache 2.0ライセンスの下でオープンソースである。
関連論文リスト
- Towards a Joint Khmer Text Recognition and Word Segmentation [3.5477182055025107]
本稿では,統一モデルを用いた新しいKhmerテキスト認識と単語分割フレームワークを提案する。
提案モデルでは,文書画像の文字認識だけでなく,単語境界の特定も可能である。
論文 参考訳（メタデータ） (2026-08-31T03:53:25Z) - ReNikud: Audio-Supervised Hebrew Grapheme-to-Phoneme Conversion [8.07456580378476]
Grapheme-to-phoneme (G2P)による現代ヘブライ語への変換は、TTS (text-to-speech) のようなアプリケーションに必要である。
標準的アプローチはまず母音の発音を予測し、国際音声アルファベット(IPA)の転写を生成する。
我々の手法であるReNikudは、これらの制限を2つの重要な洞察で克服する。
論文 参考訳（メタデータ） (2026-06-18T12:50:47Z) - Khmer Spellchecking: A Holistic Approach [0.0]
本稿では,Khmerスペルチェック問題に対する包括的アプローチを提案する。
Khmerサブワードセグメンテーション、Khmer NER、Khmer grapheme-to-phoneme(G2P)変換、そしてこれらの課題に取り組むためにKhmer言語モデルを統合する。
実験の結果,提案手法は最先端のKhmerスペルチェックの精度を94.4%まで向上することがわかった。
論文 参考訳（メタデータ） (2025-11-12T23:31:14Z) - KhmerST: A Low-Resource Khmer Scene Text Detection and Recognition Benchmark [1.5409800688911346]
我々は,1,544人の専門家による注釈付き画像を含む,最初のKhmerシーンテキストデータセットを紹介した。
この多様なデータセットには、平らなテキスト、起立したテキスト、照度の低いテキスト、遠くのポリゴン、部分的に不明瞭なテキストが含まれる。
論文 参考訳（メタデータ） (2024-10-23T21:04:24Z) - Copy Is All You Need [66.00852205068327]
既存のテキストコレクションからテキストセグメントを段階的にコピーするテキスト生成を定式化する。
提案手法は, 自動評価と人的評価の両方により, より優れた生成品質を実現する。
当社のアプローチでは,より大規模なテキストコレクションにスケールアップすることで,さらなるパフォーマンス向上を実現しています。
論文 参考訳（メタデータ） (2023-07-13T05:03:26Z) - Discrete Cross-Modal Alignment Enables Zero-Shot Speech Translation [71.35243644890537]
エンドツーエンド音声翻訳(ST)は、中間転写を生成することなく、ソース言語音声を対象言語テキストに翻訳することを目的としている。
既存のゼロショット法は、音声とテキストの2つのモダリティを共有意味空間に合わせることに失敗する。
音声とテキストの両方のモダリティに適合する離散語彙空間を共用した離散的クロスモーダルアライメント(DCMA)法を提案する。
論文 参考訳（メタデータ） (2022-10-18T03:06:47Z) - Rethink about the Word-level Quality Estimation for Machine Translation
from Human Judgement [57.72846454929923]
ベンチマークデータセットであるemphHJQEを作成し、専門家翻訳者が不適切な翻訳語を直接アノテートする。
本稿では,タグリファインメント戦略と木ベースのアノテーション戦略という2つのタグ補正戦略を提案し,TERベースの人工QEコーパスをemphHJQEに近づける。
その結果,提案したデータセットは人間の判断と一致しており,また,提案したタグ補正戦略の有効性も確認できた。
論文 参考訳（メタデータ） (2022-09-13T02:37:12Z) - Dict-TTS: Learning to Pronounce with Prior Dictionary Knowledge for
Text-to-Speech [88.22544315633687]
ポリホンの曖昧さは, 音声合成システムにおいて, 自然なテキストシーケンスから正確な発音知識を抽出することを目的としている。
オンラインウェブサイト辞書を用いた意味認識型テキスト音声合成モデルであるDict-TTSを提案する。
3つの言語による実験結果から,我々のモデルは発音精度においていくつかの強いベースラインモデルより優れていることが示された。
論文 参考訳（メタデータ） (2022-06-05T10:50:34Z) - Zero-Shot Text-to-Speech for Text-Based Insertion in Audio Narration [62.75234183218897]
話者の訓練データなしで自然かつ一貫性のあるターゲット音声を生成する一段階の文脈認識フレームワークを提案する。
変換器をベースとしたデコーダを用いて,編集音声のメルスペクトルを生成する。
これは最近のゼロショット TTS エンジンを大きなマージンで上回っている。
論文 参考訳（メタデータ） (2021-09-12T04:17:53Z) - edATLAS: An Efficient Disambiguation Algorithm for Texting in Languages
with Abugida Scripts [0.0]
アブティダ(abugida)は、各音節を単一の子音またはタイポグラフィーのリガチュアで表現する音素表記システムである。
本稿では, あいまいな表現アルゴリズムを提案し, バグダ記述システムを用いた2つの新しい入力方式でその有用性を示す。
ヒンディー語、ベンガル語、タイ語での入力速度は19.49%、25.13%、14.89%向上した。
論文 参考訳（メタデータ） (2021-01-05T03:16:34Z)
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。