論文の概要: Benchmarking Automatic Speech Recognition Tools for Iberian Languages

• arxiv url: http://arxiv.org/abs/2609.36920v1
• Date: Tue, 29 Sep 2026 07:39:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.287771
• Title: Benchmarking Automatic Speech Recognition Tools for Iberian Languages
• Title（参考訳）: イベリア語の自動音声認識ツールのベンチマーク
• Abstract要約: イベリア語5言語で11のシステム、10のオープンウェイトモデル、1つの商用APIをベンチマークします。 評価には85時間のデータセットを使用し、読み上げ音声、放送メディア、オーディオブックをカバーしている。 結果は、正確さ、効率、言語カバレッジが明確なトレードオフを示す、単一のモデルが支配的でないことを示している。
• 参考スコア（独自算出の注目度）: 40.069925455995815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Comprehensive evaluations of automatic speech recognition (ASR) for Iberian languages remain limited, and low-resource languages, biases, and efficiency trade-offs are underexplored. We benchmark eleven systems, ten open-weight models and one commercial API, across five Iberian languages (Basque, Catalan, Galician, Portuguese, Spanish), with German and Turkish as controls. Evaluation uses an 85-hour dataset covering read speech, broadcast media, and audiobooks, assessing accuracy and efficiency via word error rate (WER) and real-time factors (RTF/RTFx). Results show no single model dominates: accuracy, efficiency, and language coverage present clear trade-offs. Low-resource languages, especially Basque, degrade significantly, highlighting the role of training coverage. We observe consistent sex disparities across most systems, highlighting fairness challenges in multilingual ASR. Overall, the benchmark provides practical guidance for real-world model selection.
• Abstract（参考訳）: イベリア語の自動音声認識(ASR)の総合的な評価は限定的であり、低リソース言語、バイアス、効率トレードオフは未検討である。 イベリア語5言語(バスク語、カタルーニャ語、ガリシア語、ポルトガル語、スペイン語)にまたがる11のシステムと10のオープンウェイトモデル、1つの商用APIをベンチマークし、ドイツ語とトルコ語をコントロールします。 評価は、読み上げ音声、放送メディア、オーディオブックをカバーする85時間のデータセットを使用し、単語誤り率(WER)とリアルタイム要因(RTF/RTFx)による精度と効率を評価する。 結果は、正確さ、効率、言語カバレッジが明確なトレードオフを示す、単一のモデルが支配的でないことを示している。 低リソース言語、特にBasqueは大幅に劣化し、トレーニングカバレッジの役割を強調している。 我々は,多言語ASRにおけるフェアネスの課題を浮き彫りにして,ほとんどのシステムにおける一貫した性差を観察する。 全体として、このベンチマークは実世界のモデル選択の実践的なガイダンスを提供する。

関連論文リスト

• An Empirical Recipe for Universal Phone Recognition [63.45609714127985]
  音声認識(PR)は、多言語および低リソースの音声処理タスクの鍵となる機能である。 我々は、大規模多言語データに基づいて訓練されたPhonticXEUSを提案する。 多言語(17.7%PFER)とアクセント付き英語(10.6%PFER)の両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-03-30T22:12:48Z)
• LoASR-Bench: Evaluating Large Speech Language Models on Low-Resource Automatic Speech Recognition Across Language Families [53.111005425237245]
  大規模言語モデル(LLM)は、音声言語モデル(SpeechLM)の大幅な進歩を導いている。 LoASR-Benchはラテン文字と非ラテン文字の両方を特徴とする9つの言語ファミリーの25の言語で構成されている。 実験結果は、現実世界の低リソース言語を扱う際の最新のSpeechLMの限界を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-03-20T15:26:34Z)
• Efficient Multilingual ASR Finetuning via LoRA Language Experts [59.27778147311189]
  本稿では,WhisperをベースとしたLoRA言語エキスパートによる多言語ASRをカスタマイズするための効率的な微調整フレームワークを提案する。 LoRAエキスパート融合や知識蒸留により,本手法は従来の微調整法よりも目標言語での認識性能が向上する。 実験の結果,提案モデルでは,言語認識および言語認識のシナリオにおいて,約10%と15%の性能向上が得られた。
  論文  参考訳（メタデータ） (2025-06-11T07:06:27Z)
• Whisper-LM: Improving ASR Models with Language Models for Low-Resource Languages [0.43498389175652036]
  本研究は、従来の言語モデルと新しい言語モデルと微調整されたWhisperモデルを統合し、あまり一般的でない言語での性能を高める。 我々は、特に低リソースシナリオにおいて、単語エラー率を大幅に改善したことを示す。 統合はすべてのモデルサイズに確実に貢献するが、改善の程度は様々であり、最適化された言語モデルパラメータの重要性を強調している。
  論文  参考訳（メタデータ） (2025-03-30T18:03:52Z)
• Evaluating Standard and Dialectal Frisian ASR: Multilingual Fine-tuning and Language Identification for Improved Low-resource Performance [9.624005980086707]
  最先端の手法では、大量のデータに事前訓練されたモデルをラベル付きデータを使って微調整する自己教師ありトランスファーラーニングをデプロイする。 我々は,多言語微調整データと補助言語識別タスクを用いて,Frisian ASRの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2025-02-07T12:42:46Z)
• Enhancing Multilingual ASR for Unseen Languages via Language Embedding Modeling [50.62091603179394]
  最も先進的なASRモデルの1つであるWhisperは99の言語を効果的に扱う。 しかし、ウィスパーは未確認の言語と戦っているが、それらは事前訓練には含まれていない。 本研究では,これらの関係を利用して未知言語上でのASR性能を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2024-12-21T04:05:43Z)
• Improving Multilingual ASR in the Wild Using Simple N-best Re-ranking [68.77659513993507]
  我々は,多言語ASRの精度を向上させるため,単純かつ効果的なN-best再分類手法を提案する。 その結果, 音声認識の精度は8.7%, 6.1%, 単語誤り率は3.3%, 単語誤り率は2.0%であった。
  論文  参考訳（メタデータ） (2024-09-27T03:31:32Z)
• Improving Massively Multilingual ASR With Auxiliary CTC Objectives [40.10307386370194]
  FLEURSは102言語によるオープンASRベンチマークである。 我々は,最近のコネクショニスト時間分類(CTC)研究から着想を得た手法を考察し,モデルが多数の言語を扱えるようにした。 コンバータアーキテクチャを用いた自己教師型モデルを用いた最先端システムでは,相対28.4%CERによるFLEURSの先行研究よりも改善されている。
  論文  参考訳（メタデータ） (2023-02-24T18:59:51Z)

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。