論文の概要: Evaluating Tibetan Speech Recognition Across Dialects and Adaptation Regimes: A Multi-Granularity Analysis
- arxiv url: http://arxiv.org/abs/2610.27002v1
- Date: Mon, 19 Oct 2026 09:44:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.41872
- Title: Evaluating Tibetan Speech Recognition Across Dialects and Adaptation Regimes: A Multi-Granularity Analysis
- Title（参考訳）: 方言と適応規則間のチベット語音声認識の評価:多粒度解析
- Abstract要約: 1つの評価枠組みにおいて,文字誤り率,音節誤り率,単語分割誤り率を組み合わせる。
我々は、ラサチベット語で5つのASRアーキテクチャを評価し、ゼロショット転送とターゲットコーパス適応を検証した。
- 参考スコア（独自算出の注目度）: 7.807411603618987
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tibetan speech recognition is usually evaluated with character or syllable error rates because the writing system does not mark word boundaries. These metrics can rank systems differently and respond differently to adaptation failures. We combine character error rate, syllable error rate, and segmented word error rate in one evaluation framework. We use dictionary-based, neural, and language-model-based segmentation and compare their boundaries with expert annotations. We evaluate five ASR architectures on Lhasa Tibetan, then test zero-shot transfer and target-corpus adaptation on five additional corpus subsets. We also vary LoRA rank and training-data size to examine adaptation failure. The results show that a lower character error does not always lead to a lower syllable or segmented-word error. These ranking differences persist across corpora. Metric correlations also weaken in some unsuccessful adaptation settings. Higher LoRA ranks improve syllable and segmented-word scores but remain worse than full fine-tuning in the tested range. A standardized phonological representation provides another view of spelling errors. These findings support evaluation at several linguistic levels and motivate better segmentation and adaptation methods for low-resource ASR.
- Abstract（参考訳）: チベット語の音声認識は通常、文字や音節の誤り率で評価される。
これらのメトリクスはシステムを異なるランク付けし、適応障害に対して異なる応答をすることができる。
1つの評価枠組みにおいて,文字誤り率,音節誤り率,単語分割誤り率を組み合わせる。
辞書ベース、ニューラル、言語モデルベースのセグメンテーションを使用し、それらの境界を専門家のアノテーションと比較する。
我々は、ラサチベット語で5つのASRアーキテクチャを評価し、ゼロショット転送とターゲットコーパス適応を5つの追加コーパスサブセットでテストした。
また、適応障害を調べるため、LoRAランクとトレーニングデータサイズも異なっています。
その結果,低音節の誤りが低音節や分節単語の誤りにつながるとは限らないことがわかった。
これらのランキングの違いはコーポラ全体で続いている。
メトリクスの相関も、いくつかの不成功な適応設定で弱まる。
高いLoRAランクは音節とセグメンテッドワードスコアを改善するが、テスト範囲での完全な微調整よりも悪いままである。
標準化された音韻表現は、スペルエラーの別の見方を提供する。
これらの知見は,複数の言語レベルでの評価を支援し,低リソースASRのためのより良いセグメンテーションと適応手法を動機づける。
関連論文リスト
- Qualitative Evaluation of Language Model Rescoring in Automatic Speech Recognition [6.732553711612198]
いくつかの指標を用いて,ASRシステムにおける言語モデルを用いた再構成の影響について検討した。
これらの指標は、転写仮説における後部再コーディング段階に適用される言語モデルの言語学的貢献を示す。
論文 参考訳（メタデータ） (2026-04-30T07:37:16Z) - Graph-Based Phonetic Error Correction of Noisy ASR [15.765749498997442]
本稿では,音声グラフモデリングと文脈言語理解を組み合わせた構造化ASR補正フレームワークを提案する。
グラフニューラルネットワーク(GNN)は、まず、フラグ付きトークンに対して、音響的に検証可能な候補近傍を構築する。
その後、マスク付き言語モデル(MLM)が局所的な文脈スコアリングを提供し、命令調整型大規模言語モデル(LLM)が最終的な文脈認識の再ランク付けを行う。
論文 参考訳（メタデータ） (2026-04-29T13:57:11Z) - A Typologically Grounded Evaluation Framework for Word Order and Morphology Sensitivity in Multilingual Masked LMs [2.895343274331944]
我々はmBERTとXLM-Rを英語、中国語、ドイツ語、スペイン語、ロシア語で評価した。
全スクランブルは全言語でゼロに近い単語レベルの再構築精度を駆動する。
トップ5ワードの精度は同じパターンを示しており、フルスクランブルの下では、ゴールドワードが5つの最上位の再構築に現れることはめったにない。
論文 参考訳（メタデータ） (2026-02-28T03:13:34Z) - Evaluating ASR robustness to spontaneous speech errors: A study of WhisperX using a Speech Error Database [0.13108652488669734]
サイモンフレーザー大学音声誤りデータベース(英語: Simon Fraser University Speech Error Database、SFUSED)は、言語学と精神言語学の研究のために開発された公開データ収集である。
SFUSEDは、自発的な英語音声からの音声誤りを体系的にアノテートし、それぞれの誤りを意図的および実際の誤り生成のためにタグ付けする。
論文 参考訳（メタデータ） (2025-08-18T16:30:33Z) - Context Biasing for Pronunciations-Orthography Mismatch in Automatic Speech Recognition [61.601626186678146]
本稿では,置換誤りの訂正を可能とし,難解な単語の認識精度を向上させる手法を提案する。
本手法により, 単語誤り率の相対的な改善を最大8%まで達成し, 単語誤り率の競争力を維持した。
論文 参考訳（メタデータ） (2025-06-23T14:42:03Z) - A Benchmark of French ASR Systems Based on Error Severity [6.657432034629865]
誤りを4つの重大度に分類する新たな評価法を提案する。
この基準は、フランス語で10の最先端のASRシステムのベンチマークに適用される。
論文 参考訳（メタデータ） (2025-01-18T21:07:18Z) - Chinese Spelling Correction as Rephrasing Language Model [63.65217759957206]
文中のスペル誤りを検知し,訂正することを目的とした中国語スペル補正(CSC)について検討する。
現在の最先端の手法は、CSCをシーケンスタギングタスクと文対上の細いBERTベースのモデルとみなしている。
本稿では,文字から文字へのタグ付けではなく,追加のスロットを埋め込むことで文全体を言い換える言語モデル(ReLM)を提案する。
論文 参考訳（メタデータ） (2023-08-17T06:04:28Z) - SpellMapper: A non-autoregressive neural spellchecker for ASR
customization with candidate retrieval based on n-gram mappings [76.87664008338317]
文脈スペル補正モデルは、音声認識を改善するために浅い融合に代わるものである。
ミススペルn-gramマッピングに基づく候補探索のための新しいアルゴリズムを提案する。
Spoken Wikipediaの実験では、ベースラインのASRシステムに比べて21.4%のワードエラー率の改善が見られた。
論文 参考訳（メタデータ） (2023-06-04T10:00:12Z) - Using Natural Language Explanations to Rescale Human Judgments [81.66697572357477]
大規模言語モデル(LLM)を用いて順序付けアノテーションと説明を再スケールする手法を提案する。
我々は、アノテータのLikert評価とそれに対応する説明をLLMに入力し、スコア付けルーリックに固定された数値スコアを生成する。
提案手法は,合意に影響を及ぼさずに生の判断を再スケールし,そのスコアを同一のスコア付けルーリックに接する人間の判断に近づける。
論文 参考訳（メタデータ） (2023-05-24T06:19:14Z)
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。