クロスリンガル自動音声認識による音声在庫の発見【JST・京大機械翻訳】

Zelasko Piotr; Feng Siyuan; Velazquez Laureano Moro; Abavisani Ali; Bhati Saurabhchand; Scharenborg Odette; Hasegawa-Johnson Mark; Dehak Najim

プレプリント

J-GLOBAL ID：202202215231349236 整理番号：22P0280367

クロスリンガル自動音声認識による音声在庫の発見【JST・京大機械翻訳】

Discovering Phonetic Inventories with Crosslingual Automatic Speech Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年01月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データ収集のコストが高いのは,書かれたスクリプトを持たない言語,あるいは電話インベントリが未知のままである言語を含む,ほとんどの既存の言語に対して問題となる自動音声認識(ASR)モデル訓練を行う。過去の研究は,これらの低資源言語のためのASRシステムを構築するために,多言語訓練,転送学習,およびゼロショット学習を調査した。複数言語からの資源のプールは有用であることが示されているが,訓練中の言語に対するASRモデルの成功した適用はまだ見受けていない。見えない言語からのASRの適応における重要なステップは,非意味言語の電話インベントリの生成である。本研究の究極の目標は,言語に関する知識なしに教師なし方法で訓練中の言語の電話インベントリを構築することである。本論文では,1)未知の言語における音素認識に対する異なる因子(即ち,モデルアーキテクチャ,発音モデル,音声表現のタイプ)の影響を調べた。2)自動電話インベントリ作成のための更なる改善のための制限と領域の理解のためには,言語を横断して電話を転送する分析を提供する。および3)教師なし方法で,非意味言語の電話インベントリを構築するための異なる方法を提示する。そのために,13の音韻的に多様な言語といくつかの徹底的な分析のセットについて,モノ,マルチ,およびクロスリンガル実験を行った。著者らは,よく認識された交差言語である,多くのユニバーサル音トークン(IPA記号)を見出した。結果の詳細な分析を通して,著者らは,独特の音,類似した音,および音色言語が音韻在庫発見のための主要な課題のままであると結論づける。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る