論文の概要: Towards Model as a Library: Offline, Community-Sourced AI for Low-Resource African Languages

• arxiv url: http://arxiv.org/abs/2609.38574v1
• Date: Tue, 29 Sep 2026 21:31:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.758477
• Title: Towards Model as a Library: Offline, Community-Sourced AI for Low-Resource African Languages
• Title（参考訳）: ライブラリとしてのモデルに向けて:低リソースのアフリカ言語のためのオフライン、コミュニティソースAI
• Abstract要約: 我々は、小規模でコミュニティに登録された音声モデルをデバイス上でバージョン管理された依存関係としてパッケージ化するソフトウェアアーキテクチャ、textbfModel as a Library (MaaL)を紹介した。 ウェブスクレイプコーパスに頼るのではなく、MaaLの語彙はスピーカー自身による少数のサンプル録音から直接登録される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models are frequently proposed as a route to AI-powered services for African communities, but they are least reliable exactly where the need is greatest: all African languages remain low-resource by any standard measure, and models trained on scraped, standardised text systematically misrepresent the dialectal and regional variation of how people actually speak. We introduce \textbf{Model as a Library (MaaL)}, a software architecture that packages small, community-enrolled speech models as versioned on-device dependencies, enabling offline structured data collection that cannot generatively hallucinate, for populations that current language models serve worst. Rather than relying on web-scraped corpora, MaaL's vocabulary is enrolled directly from a small number of example recordings by the speakers themselves, at the point of deployment. We describe the architecture and its central mechanism - keyword spotting that turns a closed-vocabulary text form into a voice form, filled and submitted entirely on-device - and propose transpiling the closed-vocabulary elements already present in widely-deployed digital form tools into MaaL schemas, a low-friction path to voice-first, offline data collection for the low-literacy populations these tools already reach. This is a position and system-design paper: we describe the concept, the mechanism, and an analytical feasibility case, and identify what a working implementation still requires.
• Abstract（参考訳）: 大規模な言語モデルは、しばしば、アフリカのコミュニティのためのAIによるサービスへのルートとして提案されるが、そのニーズが最も大きい場所は、最も信頼性が低い。すべてのアフリカ言語は、標準基準によって低リソースのままであり、スクラップされた標準化されたテキストで訓練されたモデルは、人々が実際に話す方法の方言的および地域的バリエーションを体系的に誤って表現する。 これは、コミュニティに登録された小さな音声モデルを、デバイス上でバージョン管理された依存物としてパッケージ化するソフトウェアアーキテクチャであり、現在の言語モデルが最悪である集団に対して、生成的に幻覚を起こさないオフラインで構造化されたデータ収集を可能にする。 ウェブスクレイプコーパスに頼るのではなく、MaaLの語彙は、配置時点でスピーカー自身による少数のサンプル録音から直接登録される。 アーキテクチャとその中心的なメカニズム - クローズド語彙のテキストフォームを音声形式で変換し、完全にオンデバイスで入力するキーワードスポッティング - を記述し、広くデプロイされたデジタルフォームツールにすでに存在するクローズド語彙要素を、これらのツールがすでに到達している低リテラシー層のための音声ファーストでオフラインのデータ収集のための低摩擦パスであるMaaLスキーマに変換することを提案する。 本論文は位置とシステム設計の論文であり, 概念, メカニズム, 分析可能なケースについて記述し, 動作中の実装に必要なものを特定する。

関連論文リスト

• End-to-end Jordanian dialect speech-to-text self-supervised learning framework [0.6372261626436676]
  本稿では、低リソース言語のためのフレームワークを備えたエンドツーエンドのトランスフォーマーベースのモデルを提案する。 さらに、このフレームワークにはカスタマイズされた音声からテキストへの処理アルゴリズムが組み込まれ、ヨルダン方言の音声からテキストへの高効率なシステムを実現する。 提案した自己学習手法は,単語誤り率の低減の観点から,微調整Wav2Vecモデルを5%向上させる。
  論文  参考訳（メタデータ） (2026-09-21T11:01:00Z)
• MameLoshnLM: Yiddish Language Model and Evaluation Benchmark [62.936233688546984]
  We present MameLoshnLM, a first open-source 8B- parameter language model built for Yiddish。 イディッシュ語のリッチテキストの伝統にもかかわらず、そのデジタル的存在と信頼性の高い評価資源の不足は、イディッシュ語のモデリングの進歩を妨げている。 この結果は,Yiddish NLPの基礎と,歴史的にリッチだがデジタルに表現されていない言語における言語モデル開発のための実践的テンプレートの両方を提供する。
  論文  参考訳（メタデータ） (2026-08-06T10:24:08Z)
• Building an Efficient Multilingual Non-Profit IR System for the Islamic Domain Leveraging Multiprocessing Design in Rust [0.0]
  本研究は、イスラムドメインのための多言語非営利IRシステムの開発に焦点を当てている。 ドメイン適応の継続事前学習やモデルサイズ削減のための言語削減といった手法を用いて,軽量な多言語検索モデルを構築した。
  論文  参考訳（メタデータ） (2024-11-09T11:37:18Z)
• CMULAB: An Open-Source Framework for Training and Deployment of Natural Language Processing Models [59.91221728187576]
  本稿では,NLPモデルのモデル展開と連続的なヒューマン・イン・ザ・ループの微調整を簡単にするオープンソースフレームワークであるCMU言語バックエンドを紹介する。 CMULABは、マルチ言語モデルのパワーを活用して、音声認識、OCR、翻訳、構文解析などの既存のツールを新しい言語に迅速に適応し、拡張することができる。
  論文  参考訳（メタデータ） (2024-04-03T02:21:46Z)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• Language-universal phonetic encoder for low-resource speech recognition [28.21805271848413]
  我々は、低リソースのASR性能を改善するために、International Phonetic Alphabet (IPA) ベースの言語ユニバーサル音声モデルを活用する。 我々のアプローチと適応は、ドメインや言語ミスマッチしたシナリオであっても、極端に低リソースな言語に有効です。
  論文  参考訳（メタデータ） (2023-05-19T10:24:30Z)
• Towards Language Modelling in the Speech Domain Using Sub-word Linguistic Units [56.52704348773307]
  音節や音素を含む言語単位に基づくLSTMに基づく新しい生成音声LMを提案する。 限られたデータセットでは、現代の生成モデルで要求されるものよりも桁違いに小さいので、我々のモデルはバブリング音声を近似する。 補助的なテキストLM,マルチタスク学習目標,補助的な調音特徴を用いた訓練の効果を示す。
  論文  参考訳（メタデータ） (2021-10-31T22:48:30Z)
• Unsupervised Domain Adaptation of a Pretrained Cross-Lingual Language Model [58.27176041092891]
  最近の研究は、大規模未ラベルテキストに対する言語間言語モデルの事前学習が、大幅な性能向上をもたらすことを示唆している。 本稿では,絡み合った事前学習した言語間表現からドメイン固有の特徴を自動的に抽出する,教師なし特徴分解手法を提案する。 提案モデルでは、相互情報推定を利用して、言語間モデルによって計算された表現をドメイン不変部分とドメイン固有部分に分解する。
  論文  参考訳（メタデータ） (2020-11-23T16:00:42Z)

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。