Fugu-MT 論文翻訳(概要): Contextual Pictograms for Repairing Multilingual ASR Errors

論文の概要: Contextual Pictograms for Repairing Multilingual ASR Errors

arxiv url: http://arxiv.org/abs/2611.05637v2
Date: Thu, 05 Nov 2026 07:36:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-06 21:50:50.398464
Title: Contextual Pictograms for Repairing Multilingual ASR Errors
Title（参考訳）: 多言語ASR誤り修復のための文脈ピクトグラム
Abstract要約: 本稿では,選択された不確実な概念に対して,代替文字やリプレイ,文脈的にチェックされたピクトグラムを組み合わせたインタフェースについて述べる。このシステムは、最初はフランス語とスペイン語の機能的発話をサポートする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Speech transcription errors can be difficult to recognize when competing word hypotheses are unfamiliar or visually similar. We describe an interface that combines alternative transcripts, replay and contextually checked pictograms for selected uncertain concepts. The system will initially support French and Spanish functional utterances. A counterbalanced study will assess whether pictorial feedback helps listeners recover the speaker's intended action beyond text alternatives alone. We will also quantify semantic mismatch and additional interaction time, since an inappropriate image can reinforce the wrong interpretation rather than repair it.
Abstract（参考訳）: 音声の書き起こし誤りは、競合する単語仮説が未知あるいは視覚的に類似している場合に認識することが困難である。本稿では,選択された不確実な概念に対して,代替文字やリプレイ,文脈的にチェックされたピクトグラムを組み合わせたインタフェースについて述べる。このシステムは、最初はフランス語とスペイン語の機能的発話をサポートする。対バランスの取れた研究は、画像フィードバックが聴取者の意図した行動の回復に役立っているかを評価する。また、不適切な画像は、それを修復するよりも間違った解釈を強化することができるので、セマンティックミスマッチと追加の相互作用時間も定量化する。

関連論文リスト

Perturb, Repair, Verify: Self-Play Vision-Language Verifiers for Compositional Understanding [52.802847315186874]
視覚言語検証器は、画像がテキスト記述に忠実に一致するかどうかを判定する。 PROVEは,閉じたパーターブ・ビジュアライズ・ビジュアライズ・ビジュアライズ・ビジュアライズ・ループを通じて検証者を訓練するセルフプレイフレームワークである。実験により、PROVEはモデルスケールや家族間できめ細かな構成検証を改善することが示された。
論文参考訳（メタデータ） (2026-11-03T16:31:34Z)
The Role of Disfluencies in Speech Translation [74.9653116322058]
現在の音声翻訳システムは、翻訳するよりむしろ、文末や偽りの開始といった不一致を除去する傾向にある。言論のクリーンアップ時に失われる意味を持つ不一致は、コストがかかることを示している。推論時のデコーディングは、再トレーニングなしにこれを緩和し、ベンチマークとコードをリリースします。
論文参考訳（メタデータ） (2026-08-03T12:26:39Z)
ScriptHOI: Learning Scripted State Transitions for Open-Vocabulary Human-Object Interaction Detection [1.2710597393824294]
オープン・ボキャブラリ・ヒューマン・オブジェクト・インタラクション(HOI)検出は、トレーニング中にカテゴリとして現れないインタラクション・フレーズを認識する必要がある。近年の視覚言語HOI検出器は、人間の物体の特徴とテキスト埋め込みをマッチングすることで意味伝達を改善する。本稿では,各インタラクションフレーズをソフトスクリプト状態遷移として表現する構造化フレームワークScriptHOIを提案する。
論文参考訳（メタデータ） (2026-05-06T15:52:35Z)
"Mm, Wat?" Detecting Other-initiated Repair Requests in Dialogue [1.0616273526777913]
本研究では,オランダ語対話における修復開始を自動的に検出するマルチモーダルモデルを提案する。その結果,韻律的手がかりは言語的特徴を補完し,事前学習されたテキストと音声の埋め込みの結果を大幅に改善することがわかった。
論文参考訳（メタデータ） (2025-10-28T16:58:26Z)
Towards Low-Latency Tracking of Multiple Speakers With Short-Context Speaker Embeddings [52.985061676464554]
短文脈話者埋め込み抽出のための知識蒸留に基づく学習手法を提案する。我々は、ビームフォーミングを用いて興味ある話者の空間情報を活用し、重複を低減する。以上の結果から,本モデルは短文埋め込み抽出に有効であり,重なりやすいことが示唆された。
論文参考訳（メタデータ） (2025-08-18T11:32:13Z)
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)
SPACER: A Parallel Dataset of Speech Production And Comprehension of Error Repairs [6.987184873387818]
本稿では,話者とコンプレッシャーの双方による自然な発話誤りの修正方法を示す並列データセットを提案する。話者は、より意味的および音韻的なずれをもたらす誤りを修復する傾向があり、一方、コンプリエンダーは、より妥当な代替品と音韻的に類似した誤りを訂正する傾向にある。
論文参考訳（メタデータ） (2025-03-20T23:12:00Z)
Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
論文参考訳（メタデータ） (2024-06-12T16:30:58Z)
Interactive-Chain-Prompting: Ambiguity Resolution for Crosslingual Conditional Generation with Interaction [38.73550742775257]
ある言語のソースクエリは、追加のコンテキストなしで、別の言語でいくつかの翻訳オプションを生成することができる。あいまいさに対処するサブプロブレムのリストに変換を還元する対話型チェーンプロンプトを提案する。異なる言語現象を示すデータセットを作成し、4つの言語の推論におけるあいまいさを導く。
論文参考訳（メタデータ） (2023-01-24T21:08:13Z)

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。