論文の概要: When Can You Prune Your Network? A Study of Intermediate Neurons in Multilingual Speech Parsing

• arxiv url: http://arxiv.org/abs/2610.11520v1
• Date: Thu, 08 Oct 2026 08:53:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.905893
• Title: When Can You Prune Your Network? A Study of Intermediate Neurons in Multilingual Speech Parsing
• Title（参考訳）: ネットワークをいつ創り出すことができるか? 多言語音声解析における中間ニューロンの検討
• Abstract要約: 我々は、中間NNユニットを除去する、音声解析のためのよりシンプルなエンドツーエンドアーキテクチャを導入する。 我々は、中間NNユニットが、事前学習したエンコーダが凍結されたときに、表現ギャップを低減することを実証した。 我々は、フランス語と中低言語SlovenianとNaijaの音声解析を包括的に評価する。
• 参考スコア（独自算出の注目度）: 7.096156005393012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end speech parsing, a task recently proposed, consists in predicting both the transcription and the syntactic tree for a spoken utterance. Existing architectures for speech parsing often utilise intermediate neural networks. In this work, we examine the effectiveness of intermediate neural networks (NN) for parsing, and, specifically, what role do they play. We introduce a simpler end-to-end architecture for speech parsing, where we remove these intermediate NN units, reducing the parameters by 12%, while achieving comparable or better performance than prior method on both automatic speech recognition (ASR) and parsing. We demonstrate that intermediate NN units help reduce the representational gap when the pre-trained encoder is frozen. We do a comprehensive evaluation of speech parsing on French, and medium-low resource languages Slovenian and Naija. We further investigate the impact of the training data size and intermediate layers of the pretrained speech encoder on speech parsing.
• Abstract（参考訳）: 最近提案されたタスクであるエンドツーエンド音声解析は、音声発声のための転写木と構文木の両方を予測する。 音声解析のための既存のアーキテクチャは、しばしば中間ニューラルネットワークを利用する。 本研究では,解析における中間的ニューラルネットワーク(NN)の有効性,特にその役割について検討する。 そこでは,これらの中間NNユニットを削除し,パラメータを12%削減するとともに,自動音声認識(ASR)と構文解析の両方において,従来の手法と同等あるいは優れた性能を実現する。 我々は、中間NNユニットが、事前学習したエンコーダが凍結されたときに、表現ギャップを低減することを実証した。 我々は、フランス語と中低言語SlovenianとNaijaの音声解析を包括的に評価する。 さらに,事前学習した音声エンコーダの訓練データサイズと中間層が音声解析に与える影響について検討する。

関連論文リスト

• Integrating Language Models into Listened and Imagined Speech Decoding from MEG [19.774038251336375]
  我々は、MEG表現を音響および文脈言語表現と整合させるニューラルデコーダを訓練する。 音声音声の復号化は,音声音声の復号化よりも,言語モデルから恩恵を受けることが判明した。
  論文  参考訳（メタデータ） (2026-09-25T20:55:26Z)
• MOSS-Speech: Towards True Speech-to-Speech Models Without Text Guidance [66.74042564585942]
  MOSS-Speechは、テキストガイダンスに頼ることなく直接理解し、音声を生成する、真の音声音声合成大言語モデルである。 我々の研究は、表現的かつ効率的なエンドツーエンドの音声対話のための新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-10-01T04:32:37Z)
• Growing Trees on Sounds: Assessing Strategies for End-to-End Dependency Parsing of Speech [8.550564152063522]
  音声解析における2つの解析パラダイムの性能評価を目的とした一連の実験について報告する。 我々はこの評価をフランス語の大きな木バンクで行い、現実的な自発的な会話を特徴とする。 その結果, (i) グラフに基づく手法は, (ii) パラメータが30%少ないにもかかわらず, (ii) 音声から直接解析することで, パイプライン手法よりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2024-06-18T13:46:10Z)
• Audio-Visual Neural Syntax Acquisition [91.14892278795892]
  視覚的音声からの句構造誘導について検討する。 本稿では,音声を聴いたり,画像を見たりすることでフレーズ構造を学習するAV-NSL(Audio-Visual Neural Syntax Learner)について述べる。
  論文  参考訳（メタデータ） (2023-10-11T16:54:57Z)
• LongFNT: Long-form Speech Recognition with Factorized Neural Transducer [64.75547712366784]
  文レベルの長文特徴を語彙予測器の出力と直接融合するLongFNT-Textアーキテクチャを提案する。 また,LongFNT法の有効性を,相対単語誤り率(WER)が19%,GigaSpeechコーパスが12%,LongFNT法が19%であった。
  論文  参考訳（メタデータ） (2022-11-17T08:48:27Z)
• Wav2Seq: Pre-training Speech-to-Text Encoder-Decoder Models Using Pseudo Languages [58.43299730989809]
  本稿では,音声データに対するエンコーダ・デコーダモデルの両部分を事前学習するための,最初の自己教師型アプローチであるWav2Seqを紹介する。 我々は、コンパクトな離散表現として擬似言語を誘導し、自己教師付き擬似音声認識タスクを定式化する。 このプロセスは独自のものであり、低コストの第2段階のトレーニングとして適用することができる。
  論文  参考訳（メタデータ） (2022-05-02T17:59:02Z)
• WavThruVec: Latent speech representation as intermediate features for neural speech synthesis [1.1470070927586016]
  WavThruVecは、高次元のWav2Vec 2.0埋め込みを中間音声表現として使用することでボトルネックを解決する2段階アーキテクチャである。 提案モデルは,最先端のニューラルモデルの品質に適合するだけでなく,音声変換やゼロショット合成といったタスクを可能にする有用な特性も提示する。
  論文  参考訳（メタデータ） (2022-03-31T10:21:08Z)
• Preliminary study on using vector quantization latent spaces for TTS/VC systems with consistent performance [55.10864476206503]
  本稿では,潜在言語埋め込みをモデル化するための量子化ベクトルの利用について検討する。 トレーニングにおいて、潜伏空間上の異なるポリシーを強制することにより、潜伏言語埋め込みを得ることができる。 実験の結果,ベクトル量子化法で構築した音声クローニングシステムは,知覚的評価の点でわずかに劣化していることがわかった。
  論文  参考訳（メタデータ） (2021-06-25T07:51:35Z)
• Non-Autoregressive Predictive Coding for Learning Speech Representations from Local Dependencies [91.92060221982064]
  非自己回帰予測符号化(NPC)を提案する。 NPCは概念的には単純で、Masked Convolution Blocksで簡単に実装できる。 また,NPC表現は音声や話者の分類における他の手法に匹敵するが,より効率的であることを示す。
  論文  参考訳（メタデータ） (2020-11-01T02:48:37Z)
• Catplayinginthesnow: Impact of Prior Segmentation on a Model of Visually Grounded Speech [24.187382590960254]
  子どもたちは、音声入力を音素に分割し、そこから単語を組み立てることで、語彙を作らない。 これは、言語を学ぶ理想的な方法は、完全なセマンティックユニットから始めることである。 本稿では、RNNモデルにそのような情報を導入し、どのタイプの境界が最も効率的かを調べるための簡単な方法を提案する。
  論文  参考訳（メタデータ） (2020-06-15T13:20:13Z)

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。