論文の概要: A Novel Sentence Stress Detection Framework Leveraging Auxiliary Word-Stress Modeling and Loss Optimization

• arxiv url: http://arxiv.org/abs/2610.07626v1
• Date: Tue, 06 Oct 2026 02:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.756606
• Title: A Novel Sentence Stress Detection Framework Leveraging Auxiliary Word-Stress Modeling and Loss Optimization
• Title（参考訳）: 補助語ストレスモデリングと損失最適化を活用した新しい文ストレス検出フレームワーク
• Abstract要約: 自動発音評価(APA)では、文ストレス検出(SSD)と単語ストレス検出(WSD)が使用される。 本稿では,新しいモデリングパラダイムを用いて,SSDと補助WSDを組み合わせた有効なSSD手法を提案する。 さらに、各単語スパンにトークンレベルのSSD確率を集中させる単語スパン応力正規化器(WSR)を導入する。
• 参考スコア（独自算出の注目度）: 12.349510872705617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prosodic stress is a crucial aspect of automatic pronunciation assessment (APA), encompassing both sentence stress detection (SSD) and word stress detection (WSD). SSD highlights semantically salient words that shape discourse meaning, while WSD identifies the primary stressed syllable within each word to ensure lexical clarity. However, most prior work treats SSD and WSD as independent tasks, overlooking their shared reliance on prosodic cues such as pitch, duration, and intensity. To address this gap, we propose an effective SSD approach combining SSD with auxiliary WSD via a novel modeling paradigm. In addition, we introduce a word-span stress regularizer (WSR) that concentrates token-level SSD probabilities within each stressed word span. Experiments on the TinyStress-15K benchmark show that the proposed method outperforms strong baselines, with the complete configuration achieving the best SSD result.
• Abstract（参考訳）: 韻律的ストレスは、文ストレス検出(SSD)と単語ストレス検出(WSD)の両方を含む自動発音評価(APA)の重要な側面である。 SSDは会話の意味を形作る意味論的に有能な単語を強調し、WSDは各単語の第一ストレス音節を特定して語彙的明瞭さを保証する。 しかしながら、ほとんどの先行研究はSSDとWSDを独立したタスクとして扱い、ピッチ、持続時間、強度といった韻律的な方法への共通の依存を見落としている。 このギャップに対処するために,新しいモデリングパラダイムを用いて,SSDと補助WSDを組み合わせた有効なSSD手法を提案する。 さらに、各単語スパンにトークンレベルのSSD確率を集中させる単語スパン応力正規化器(WSR)を導入する。 TinyStress-15Kベンチマークでの実験では、提案手法は強力なベースラインよりも優れており、完全な構成で最高のSSD結果が得られている。

関連論文リスト

• Explainable Semantic Textual Similarity via Dissimilar Span Detection [53.32175252285023]
  テキストのペア間で意味的に異なるスパンを識別することを目的として,DSD(Dissimilar Span Detection)タスクを導入する。 これにより、ユーザーはどの特定の単語やトークンが類似度スコアに悪影響を及ぼすかを理解したり、STS依存のダウンストリームタスクのパフォーマンス向上に使用することができる。
  論文  参考訳（メタデータ） (2026-03-22T11:32:31Z)
• SSVD-O: Parameter-Efficient Fine-Tuning with Structured SVD for Speech Recognition [65.90944188787786]
  本稿では,構造化SVD誘導(SSVD)ファインチューニング法の拡張であるSSVD-Outer(SSVD-O)を紹介する。 自動音声認識のためのPEFTにおいて,モデル部分空間間のパラメータ予算配分を初めて体系的に解析する。 その結果, SSVD-O は連続的に性能ギャップを細調整に狭めつつ, 一般化を改善し, 破滅的な忘れを軽減できることが示唆された。
  論文  参考訳（メタデータ） (2026-01-18T22:16:44Z)
• WHISTRESS: Enriching Transcriptions with Sentence Stress Detection [20.802090523583196]
  音声言語における話者意図の伝達には, 文ストレスが不可欠である。 WHISTRESSは,文のストレス検出による書き起こしシステム拡張のためのアライメントフリーアプローチである。 TINYSTRESS-15KでWHISTRESSをトレーニングし、いくつかの競争ベースラインに対して評価する。
  論文  参考訳（メタデータ） (2025-05-25T11:45:08Z)
• Accelerating Autoregressive Speech Synthesis Inference With Speech Speculative Decoding [21.682444278458433]
  Speech Speculative Decoding (SSD) は自己回帰音声合成高速化のための新しいフレームワークである。 SSDは従来の自己回帰デコードに比べて1.4倍の高速化を実現している。
  論文  参考訳（メタデータ） (2025-05-21T11:17:04Z)
• Sequential Visual and Semantic Consistency for Semi-supervised Text Recognition [56.968108142307976]
  Scene Text Recognition (STR) は、大規模なアノテートデータを必要とする課題である。 既存のSTR法の多くは、STRモデルの性能を低下させ、ドメイン差を生じさせる合成データに頼っている。 本稿では,視覚的・意味的両面から単語レベルの整合性正則化を取り入れたSTRの半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T13:00:54Z)
• A Survey on Contextualised Semantic Shift Detection [0.0]
  セマンティックシフト検出(セマンティックシフト検出、Semantic Shift Detection、SSD)は、ターゲット語の意味における時間的変化を識別し、解釈し、評価するタスクである。 本稿では,意味表現,時間認識,学習モダリティ次元を特徴とする分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-04T09:50:19Z)
• End-to-End Active Speaker Detection [58.7097258722291]
  本稿では,特徴学習と文脈予測を共同で学習するエンド・ツー・エンドのトレーニングネットワークを提案する。 また、時間間グラフニューラルネットワーク(iGNN)ブロックを導入し、ASD問題における主要なコンテキストのソースに応じてメッセージパッシングを分割する。 実験により、iGNNブロックからの集約された特徴はASDにより適しており、その結果、最先端のアートパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2022-03-27T08:55:28Z)
• Meta-Learning with Variational Semantic Memory for Word Sense Disambiguation [56.830395467247016]
  メタ学習環境におけるWSDのセマンティックメモリモデルを提案する。 我々のモデルは階層的変動推論に基づいており、ハイパーネットワークを介して適応的なメモリ更新ルールを組み込んでいる。 極めて少ないシナリオでの効果的な学習を支援するために,本モデルがWSDで最先端の技術を数ショットで実現していることを示す。
  論文  参考訳（メタデータ） (2021-06-05T20:40:01Z)
• How Does Selective Mechanism Improve Self-Attention Networks? [57.75314746470783]
  選択的な機構を持つ自己注意ネットワーク(SAN)は、様々なNLPタスクにおいて大幅に改善されている。 本稿では,柔軟で普遍的なGumbel-Softmaxで実装した選択的SANの強度を評価する。 我々は、SSANの改良は、単語順エンコーディングと構造モデリングという2つの一般的なSANの弱点を緩和することに起因すると実証的に検証した。
  論文  参考訳（メタデータ） (2020-05-03T04:18:44Z)

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。