論文の概要: Developing a Speech Language Model for Basque

• arxiv url: http://arxiv.org/abs/2610.36911v1
• Date: Tue, 27 Oct 2026 09:40:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.557351
• Title: Developing a Speech Language Model for Basque
• Title（参考訳）: バスク語モデルの構築
• Abstract要約: この研究は、低レイテンシでエンドツーエンドの音声対話用に設計されたバスク語のための最初のオープン音声言語モデルを示す。 このシステムはLatxaモデルをバックボーンとして統合し、いくつかのモジュールを微調整することでバスクの能力を音声モダリティに伝達する。 評価結果はシステムの生存性を確認し、3.86/5のコンテンツ品質、9.94%の音声インテリジェンス、3.07のオーディオ品質を達成している。
• 参考スコア（独自算出の注目度）: 1.1404235955543538
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Although the recent development of LLMs has paved the way for multi-modal interaction, minority languages face difficulties keeping pace. This work presents the first open Speech Language Model for Basque, designed for low-latency, end-to-end spoken interaction. Based on the LLaMA-Omni architecture, the system integrates a Latxa model as its backbone, transferring its Basque capabilities to the spoken modality by fine-tuning several modules. To address data scarcity, the English VoiceAssistant-400K corpus was translated into Basque, and the audio was synthesized using a Basque TTS. Evaluation results confirm the system's viability, achieving 3.86/5 in content quality, a 9.94% WER for spoken intelligibility, and a 3.07 UTMOS for audio quality. This work demonstrates that advanced spoken interaction systems can be developed using modular architectures and synthetic data even in low-resource languages.
• Abstract（参考訳）: LLMの最近の発展はマルチモーダルな相互作用の道を開いたが、少数言語はペースを維持するのに困難に直面している。 この研究は、低レイテンシでエンドツーエンドの音声対話用に設計されたバスク語のための最初のオープン音声言語モデルを示す。 LLaMA-Omniアーキテクチャに基づいて、システムはLatxaモデルをバックボーンとして統合し、いくつかのモジュールを微調整することでバスクの機能を音声モダリティに転送する。 データ不足に対処するため、英語のVoiceAssistant-400Kコーパスはバスク語に翻訳され、音声はバスク語で合成された。 評価結果はシステムの生存性を確認し、3.86/5のコンテンツ品質、9.94%の音声インテリジェンス、3.07のオーディオ品質を達成している。 本研究は,低リソース言語においても,モジュールアーキテクチャや合成データを用いて,高度な音声対話システムを開発できることを実証する。

関連論文リスト

• Qwen-Audio-3.0-ASR Technical Report [52.28849889799101]
  本稿では,Mixture-of-Experts (MoE) LLM-based ASRシステムであるQwen-Audio-3.0-ASRを提案する。 Qwen-Audio-3.0-ASRは8つの主要方言領域にまたがる30の言語と16の中国語方言の転写をサポートしている。 レイテンシに敏感なアプリケーションのための専用ストリーミング変種Qwen-Audio-3.0-ASR-Streamingを開発した。
  論文  参考訳（メタデータ） (2026-09-07T14:30:56Z)
• AI-Driven Modular Services for Accessible Multilingual Education in Immersive Extended Reality Settings: Integrating Speech Processing, Translation, and Sign Language Rendering [0.0]
  この作業では、6つのAIサービス、OpenAI Whisperによる自動音声認識、Meta NLLBによる多言語翻訳、AWS Pollyを使用した音声合成、RoBERTaによる感情分類、flan t5base Samsumによる対話要約、Google MediaPipeによる国際署名レンダリングなど、モジュール化されたプラットフォームを導入している。
  論文  参考訳（メタデータ） (2026-04-07T08:35:53Z)
• CosyVoice 3: Towards In-the-wild Speech Generation via Scaling-up and Post-training [70.31925012315064]
  野生におけるゼロショット多言語音声合成のための改良モデルであるCosyVoice 3を提案する。 CosyVoice 3の主な特徴は、韻律自然性を改善する新しい音声トークンである。 データは1万時間から100万時間に拡張され、9つの言語と18の中国語方言を含んでいる。
  論文  参考訳（メタデータ） (2025-05-23T07:55:21Z)
• Zero-resource Speech Translation and Recognition with LLMs [38.11535502039386]
  我々は,ペア音声テキストデータを見たことのない言語において,多言語大言語モデル(LLM)を用いてSTとASRを実行することを提案する。 我々は、事前訓練された多言語音声エンコーダ、多言語LLM、およびLLMのトークン埋め込み空間に音声表現をマッピングする軽量適応モジュールを用いて、これを実現する。
  論文  参考訳（メタデータ） (2024-12-24T17:37:11Z)
• On decoder-only architecture for speech-to-text and large language model integration [59.49886892602309]
  Speech-LLaMAは、音声情報をテキストベースの大規模言語モデルに効果的に組み込む新しいアプローチである。 我々は多言語音声からテキストへの翻訳タスクの実験を行い、強いベースラインよりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2023-07-08T06:47:58Z)
• AudioPaLM: A Large Language Model That Can Speak and Listen [79.44757696533709]
  本稿では,音声理解・生成のための大規模言語モデルであるAudioPaLMを紹介する。 AudioPaLMはテキストベースの言語モデルと音声ベースの言語モデルを融合する。 音声認識や音声音声翻訳などの応用により、テキストと音声を処理および生成することができる。
  論文  参考訳（メタデータ） (2023-06-22T14:37:54Z)
• ComSL: A Composite Speech-Language Model for End-to-End Speech-to-Text Translation [79.66359274050885]
  公的な事前訓練された音声のみのモデルと言語のみのモデルからなる複合アーキテクチャ上に構築された音声言語モデルであるComSLを提案する。 提案手法は,エンドツーエンドの音声-テキスト翻訳タスクにおいて有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:42:15Z)
• Towards Building Text-To-Speech Systems for the Next Billion Users [18.290165216270452]
  そこで我々は,ドラヴィダ語とインド・アーリア語に対する音響モデル,ボコーダ,補足的損失関数,訓練スケジュール,話者および言語多様性の選択について検討した。 我々は,13言語を対象としたTSモデルをトレーニングし,評価し,各言語における既存のモデルを大幅に改善するモデルを見出した。
  論文  参考訳（メタデータ） (2022-11-17T13:59:34Z)

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。