Aug, 2022

一个高质量且大规模的英越语音翻译数据集

PDF
TL;DR本研究介绍了一个高质量和大规模的英越语音翻译基准数据集，并使用强基线进行实证实验，发现传统的 “级联” 方法仍然优于现代的 “端到端” 方法，这是有关大规模英越语音翻译的第一项研究，我们的数据集和研究可用于未来研究和应用的起点。
english-vietnamese speech translationlarge-scale datasetcascaded approachend-to-end approachempirical experiments
发现论文，激发创造
  • PhoMT: 一个高质量和大规模的越南语 - 英语机器翻译基准数据集

    本文介绍了一个高质量、大规模的越南语 - 英语平行数据集，进行了机器翻译的比较实验，结果表明在预训练序列到序列去噪自编码器 mBART 上的微调获得了最好的性能，这是第一个大规模的越南语 - 英语机器翻译研究，希望这个公开的数据集和研究能成为未来越南语 - 英语机器翻译研究和应用的起点。

    Oct, 2021

  • MTet: 英越多领域翻译

    MTet 是最大的公开平行语料库，包含 420 万高质量的训练句对和一个多领域测试集，同时发布了首个预训练的 EnViT5 模型，与之前的研究相比，其翻译 BLEU 得分最多提高 2 分，同时比之前的模型小 1.6 倍。

    Oct, 2022

  • 越南语和英语之间的机器翻译：一项实证研究

    本论文的研究目的是针对低资源语言对英越语言对进行机器翻译，通过构建历史上最大的越南 - 英语语料库以及采用最新的神经机器翻译模型进行广泛实验，从而实现最高 BLEU 得分。该研究为有效使用不同神经机器翻译模型提供了实际示例。

    Oct, 2018

  • 通过大规模翻译丰富低资源语言的生物医学知识

    本研究使用英越翻译模型将生物医学数据和基准转化为越南语，并利用大规模的越南语翻译数据训练得到了 ViPubmedT5 编解码 Transformer 模型，该模型在医学摘要和首字母缩写消歧方面取得了最先进的成果，并发布了 ViMedNLI 数据集用于 NLP 任务。

    Oct, 2022

  • 改善越南 - 英文医学机器翻译

    介绍了 MedEV 数据集，通过对其进行广泛实验，发现对于每个翻译方向，通过对 'vinai-translate' 进行微调，可以实现最佳性能，进而推动进一步的研究。

    Mar, 2024

  • VietMed：越南医学领域智能语音识别的数据集和基准

    VietMed 是目前世界上最大的公共医学语音识别数据集，涵盖了语音数据、医学领域、越南语、预训练模型等方面，同时还包含涉及 ICD-10 疾病群和国内不同口音的数据。

    Apr, 2024

  • 音频 - 语言表示学习的大规模数据集

    我们提出了一种基于公共工具或 API 的创新型自动音频说明生成流程，并构建了一个大规模、高质量的音频语言数据集 Auto-ACD，其中包含超过 190 万个音频文本对。通过在我们的数据集上训练流行模型并展示在各种下游任务（包括音频语言检索、音频说明和环境分类）上的性能改进，证明了所提出数据集的有效性。此外，我们建立了一个新颖的测试集，并为音频文本任务提供了一个基准。该数据集将在此 https URL 上发布。

    Sep, 2023

  • Hi-Fi 多说者英语语音合成数据集

    本文介绍了一个新的多说话人英语数据集 用于训练文本转语音模型。该数据集基于处于公共领域的 LibriVox 有声读物和 Project Gutenberg 文本书籍。新数据集包含 10 个说话者的约 292 小时的语音样本，采样率为 44.1 kHz，每个说话者至少有 17 小时的语音。为了选择高质量的语音样本，我们考虑了至少 13 kHz 的信号带宽和至少 32 dB 的信噪比（SNR）的音频记录。该数据集已公开发布在此 http 网址。

    Apr, 2021

  • BigVideo：一份大规模视频字幕翻译数据集，用于多模式机器翻译

    本研究提出了一个大规模的视频字幕翻译数据集 BigVideo，用于促进多模态机器翻译的研究；在跨模态编码器中引入了对比学习方法，结果表明视觉信息能够显著提高 NMT 模型的性能并帮助消除歧义。

    May, 2023

  • VlogQA: 越南口语问答的任务、数据集和基线模型

    通过捕捉越南母语者在自然环境中的口语表达，这篇论文描述了一个用于机器阅读理解任务的越南口语语料库的开发过程，并提供了使用真实数据进行机器阅读理解任务所面临的挑战和机遇的见解。

    Feb, 2024