論文の概要: Nufo: A Benchmark for Ewe Automatic Speech Recognition

• arxiv url: http://arxiv.org/abs/2610.17278v1
• Date: Mon, 12 Oct 2026 18:32:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 02:26:38.758881
• Title: Nufo: A Benchmark for Ewe Automatic Speech Recognition
• Title（参考訳）: Nufo: 音声認識のためのベンチマーク
• Abstract要約: 既存のEwe音声リソースを174時間ASRベンチマークに統一し、標準化し、分割する。 我々は,Whisper や AfriHuBERT などの事前学習した音声モデルを微調整し,評価し,ベンチマーク上で強いベースラインを確立する。
• 参考スコア（独自算出の注目度）: 0.6524460254566904
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Automatic speech recognition (ASR) remains challenging for low-resource languages, where the scarcity of transcribed speech limits the development of accurate systems. This challenge is particularly acute for African languages such as Ewe, which has millions of speakers but remains underrepresented in publicly available ASR resources and benchmarks. In this work, we consolidate, normalize, and partition existing Ewe speech resources into a standardized 174-hour Ewe ASR benchmark, the largest to date to our knowledge. We fine-tune and evaluate pretrained speech models, including Whisper and AfriHuBERT, to establish strong baselines on our benchmark. Whisper-medium achieves a word error rate (WER) of 37.98%, while AfriHuBERT achieves 39.70% on the test set. We further provide a qualitative analysis of common recognition errors. We release the benchmark under the name Nufo, derived from the Ewe word for "talk", accompanied by models and evaluation resources, to facilitate future research on Ewe and other underrepresented African languages.
• Abstract（参考訳）: 音声認識(ASR)は低リソース言語では依然として困難であり、書き起こされた音声の不足によって正確なシステムの開発が制限される。 この課題は、数百万人の話者を抱えるEweのようなアフリカの言語では特に深刻だが、公開されているASRリソースやベンチマークでは表現されていない。 本研究では,既存のEwe音声リソースを174時間ASRベンチマークに統一し,標準化し,分割する。 我々は,Whisper や AfriHuBERT などの事前学習した音声モデルを微調整し,評価し,ベンチマーク上で強いベースラインを確立する。 Whisper-mediumは37.98%、AfriHuBERTは39.70%である。 さらに,一般的な認識誤りの定性解析を行う。 我々は、モデルと評価資源を伴って、Ewe の単語 "talk" から派生した Nufo という名のベンチマークを公開し、Ewe や他の未表現アフリカの言語に関する将来の研究を促進する。

関連論文リスト

• ESCUCHA: A Spanish Speech Benchmark for Heterogeneous Acoustic Conditions [66.93528077633728]
  ESCUCHAは、既存のデータセットからではなく、音声と組み合わせた1,000の人為的な質問からなる。 このベンチマークは、9つの知覚的カテゴリーと10の推論カテゴリにまたがる推論を強調し、複数のスペイン語アクセントと非ノルマ的スピーチを通して言語多様性を捉えている。 いくつかの最先端のマルチモーダルおよび音声モデルのベンチマークでは、訓練された人間と比較して、かなりのパフォーマンスのギャップが示される。
  論文  参考訳（メタデータ） (2026-07-20T10:59:15Z)
• AfriVox-v2: A Domain-Verticalized Benchmark for In-the-Wild African Speech Recognition [1.5081019182566802]
  AfriVox-v2は、アフリカの現実的な展開条件下で音声モデルをテストするために設計された包括的なベンチマークである。 また、Sahara-v2、Gemini 3 Flash、Omnilingual CTCモデルなど、新しい世代の音声モデルもベンチマークします。 この結果から, 専門的, 騒々しいアフリカの文脈における現代音声モデルの真の一般化ギャップが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-05T10:04:09Z)
• Doing More with Less: Data Augmentation for Sudanese Dialect Automatic Speech Recognition [0.0]
  本稿では,OpenAI Whisperモデルを微調整するためのデータ拡張手法について述べる。 スーダン方言の最初のベンチマークを確立している。
  論文  参考訳（メタデータ） (2026-01-11T08:28:31Z)
• HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models [81.56455625624041]
  ASRの誤り訂正に外部の大規模言語モデル(LLM)を利用する最初のオープンソースベンチマークを導入する。 提案したベンチマークには、334,000組以上のN-best仮説を含む新しいデータセットHyPoradise (HP)が含まれている。 合理的なプロンプトと生成能力を持つLLMは、N-bestリストに欠けているトークンを修正できる。
  論文  参考訳（メタデータ） (2023-09-27T14:44:10Z)
• No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
  低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。 何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。 本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
  論文  参考訳（メタデータ） (2022-07-11T07:33:36Z)
• Earnings-22: A Practical Benchmark for Accents in the Wild [0.8039067099377079]
  Earnings-22は125のファイルで、119時間に119回の英語による決算報告を世界企業から集めています。 個々の単語誤り率(IWER)を調べることで、重要な音声特徴が特定のアクセントに対して、他のアクセントよりもモデル性能に影響を及ぼすことが分かる。
  論文  参考訳（メタデータ） (2022-03-29T14:02:57Z)
• Speaker-Conditioned Hierarchical Modeling for Automated Speech Scoring [60.55025339250815]
  本研究では、話者条件付き階層型モデリングと呼ばれる非ネイティブASSのための新しいディープラーニング手法を提案する。 本手法では, 口腔熟練度テストが候補に対して複数の応答を評価できるという事実を生かして, 候補に対して複数の応答を評価できる。これらの応答からコンテキストを抽出し, ネットワークに付加的な話者固有のコンテキストとして与えて, 特定の応答をスコアする。
  論文  参考訳（メタデータ） (2021-08-30T07:00:28Z)
• Dynamic Acoustic Unit Augmentation With BPE-Dropout for Low-Resource End-to-End Speech Recognition [62.94773371761236]
  我々は、OOVレートの高い低リソースセットアップで効果的なエンドツーエンドASRシステムを構築することを検討します。 本稿では,BPE-dropout法に基づく動的音響ユニット拡張法を提案する。 我々の単言語トルココンフォーマーは22.2%の文字誤り率(CER)と38.9%の単語誤り率(WER)の競争結果を確立した。
  論文  参考訳（メタデータ） (2021-03-12T10:10:13Z)
• Speech Recognition for Endangered and Extinct Samoyedic languages [0.32228025627337864]
  本研究では,絶滅危惧言語と絶滅危惧言語を用いた音声認識実験を行う。 私たちの知る限りでは、絶滅言語のために機能的なASRシステムが構築されたのはこれが初めてです。
  論文  参考訳（メタデータ） (2020-12-09T21:41:40Z)
• Towards End-to-End Training of Automatic Speech Recognition for Nigerian Pidgin [1.099532646524593]
  本稿ではナイジェリアのピジン英語向けにカスタマイズされたエンドツーエンド音声認識システムの開発に焦点をあてる。 我々は,新しいデータセットを用いて,事前訓練された最先端アーキテクチャについて検討・評価を行った。 このアーキテクチャをデータセットで表現されたニュアンスに適応することにより、エラーを59.84%削減する。
  論文  参考訳（メタデータ） (2020-10-21T16:32:58Z)

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。