在土著社区实现交互式转录

COLINGNov, 2020

Enabling Interactive Transcription in an Indigenous Community

Éric Le Ferrand, Steven Bird, Laurent Besacier

TL;DR我们提出了一种新的转录工作流，将口语符号检测和人工参与相结合，以及一项试验。在只有少数项已被识别的几乎零资源情景中，涉及两种濒危语言。我们展示了在转录工作初期，当可用数据数量不足以训练鲁棒 ASR 系统时，可以利用少量孤立的单词的转录来引导语音收集的转录。

Abstract

We propose a novel transcription workflow which combines spoken term detection and human-in-the-loop, together with a pilot experiment. This work is grounded in an almost zero-resource scenario where only a few t

transcription spoken term detection human-in-the-loop endangered languages speech collection

发现论文，激发创造

自动化语音工具，帮助社区处理受限语料库以推进语言复兴

该研究提出了一种隐私保护的工作流程，通过集成语音活动检测（VAD）、自动语音识别（ASR）等技术，提高对受保护语言音频数据的注释效率。该流程旨在为那些使用英语等共同语言进行元语言评论和提问的语音录音解决元语言转录上的问题。研究结果表明匹配得当的这种方法可以在保持数据私密原则的前提下加速记录的元语言转录，并有效减少了数据浏览和筛选的时间。

Apr, 2022

无需语音识别的语音到文本翻译

本文探讨语音转文本翻译的问题，使用无监督术语发现技术将音频文件转化为伪文本，并使用其进行简单的词袋机翻译，面对跨讲话者无监督术语发现的难题，系统实现了低召回率的跨语音翻译。

Feb, 2017

在低资源环境下利用翻译进行语音转录

研究对濒危语言的数据采集，利用多源神经网络模型和翻译，成功提高了转录质量。

Mar, 2018

非洲土著语言语音转文本应用中的音素表示和转写：以斯瓦希里语为例

研究探索了 Kiswahili 语音文本的转录和 Kiswahili 语音语料库的开发，提供了 CMU Sphinx 语音识别工具箱创建的 Kiswahili 音素字典，以及使用扩展的音位集培训的 ASR 模型，使得模型优于以前类似研究的表现，并可在听障者中实现其母语的转录。

Oct, 2022

利用端到端自动语音识别进行濒危语言文献记录：关于 Yoloxóchitl Mixtec 的实证研究

研究使用自动语音识别作为一种工具，以解决由有效人工转录员短缺所导致的濒危语言文献记录中的转录瓶颈问题。提出了一种使用端到端 ASR 的方法，并提议了一项新手转录校正任务，以展示 ASR 系统和新手转录员如何共同改进濒危语言文献记录。该组合方法将缓解阻碍 EL 记录的转录瓶颈和转录员短缺。

Jan, 2021

人工转写质量提升

我们提出了一种可靠的方法来收集语音转录，通过在标注阶段进行置信度估计重新处理和在标注后进行自动词错误校正来提高转录质量。我们发布了 LibriCrowd—— 一个包含 100 小时英语语音的大规模众包数据集。实验结果显示，转录错误率降低了 50% 以上。我们进一步研究了转录错误对 ASR 模型性能的影响，并发现了强相关性。转录质量的提高可以使 ASR 模型的错误率下降 10% 以上。我们将数据集和代码发布给研究社区，以造福广大研究者。

Sep, 2023

多语言迁移学习改进原住民语言的神经机器翻译

本篇研究尝试使用预训练的机器翻译模型进行从西班牙语到南美 10 种土著语言的翻译，相对于之前方法使用数据增强的手段，该方法在多种语言上取得了更好的效果。

May, 2022

低资源语音到文本翻译

通过实验研究，我们发现在资源有限的情况下，从字符级识别转化成单词级可以显著提高低资源语言语音翻译的速度，并且在训练数据相对较少的情况下，仍然可以实现相对较高的词汇精度和召回率。

Mar, 2018

启用低资源语言的 ASR：一个全面的数据集创建方法

本研究介绍了一种用于从有声读物生成 ASR 训练数据集的新型流程，以应对资源稀缺语言中自动语音识别系统性能较差的问题。该方法通过有效地对齐音频和相应的文本，并将其分割成适合 ASR 训练的长度，简化了资源稀缺语言中 ASR 系统的数据准备工作，并通过对亚美尼亚语的案例研究证明了其应用价值。这种方法可以适用于许多资源稀缺语言，不仅解决了数据匮乏问题，还提高了低资源语言的 ASR 模型性能。

Jun, 2024

ASR2K：2 千个左右的语言的语音识别（无需音频）

提出了一种语音识别流程，可以利用 n-gram 统计信息或原始文本数据集，在没有音频文件的情况下，使用多语种模型构建语音识别流程，并在 1909 种语言上进行了测试。

Sep, 2022