Oct, 2022

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

PDF
TL;DR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。
automatic speech recognitionunder-resourced languageskiswahilispeech corpusphoneme dictionary
发现论文，激发创造
  • 使用自监督语音表示学习快速开发非洲语言的自动语音识别技术

    本文描述了在 2020 年 6 月非洲机器智能硕士（AMMI）期间启动的一次非正式合作的结果，该合作集中在自动语音识别（ASR）项目上，描述了如何收集数据以及使用少量（1 小时）转录语音作为训练数据如何开发 ASR 系统。在这种低资源条件下，基于大量原始语音的预训练模型对于开发 ASR 系统的效率至关重要。

    Mar, 2021

  • 为南非语言构建一体化的语码识别系统

    该研究论文介绍了一种能够处理南非五种语言中发生的混合语（code-switching）的单一多语言自动语音识别系统。该系统在四个包含不同语言混合语言的语料库上进行训练，并通过语言模型的插值能够识别这五种语言的混合语，并在实验中展现出较高的准确率。

    Jul, 2018

  • Makerere Radio Speech Corpus: 适用于自动语音识别的 Ganda 无线电语料库

    本文介绍了一个基于 Coqui STT 开源工具包的 Luganda 语音语料库的开发，该语料库包含了 155 小时的无线电记录，是撒哈拉以南非洲首个公开无线电数据集，用于在没有社交媒体的社会中识别边缘人群的言语和观点。

    Jun, 2022

  • 基于楚科奇语的低资源语言自动语音识别

    本文介绍了一个自动语音识别 (ASR) 项目，旨在研究和创建基于楚科奇语的新 ASR 系统。该语言是一种低资源语言，也是一种多合成语，其对于任何自动处理都具有很大的复杂性。通过收集音频和文本数据，我们成功地训练了 XLSR 模型，并使用 CER 度量标准获得了良好的结果。

    Oct, 2022

  • 基于 Wav2Vec2 和迁移学习的孟加拉语自动语音识别系统

    本文旨在利用基于迁移学习框架的端到端语音识别技术，提高孟加拉语的语音识别性能，并在使用仅 1000 个训练样本进行训练的情况下，在测试数据集上实现了 3.819 的 Levenshtein Mean Distance 得分。

    Sep, 2022

  • 低资源语言中的仇恨言论检测：比较 ASR 和语音词嵌入在 Wolof 和斯瓦希里语中的表现

    通过关键词检测辨别广播中的仇恨言论，使用语音识别系统和声学词嵌入模型来检测寡资源语言中的关键词，与语音识别相比，声学词嵌入方法只需要少量关键词示例，并且在野外测试中具有更好的性能。

    Jun, 2023

  • 原生语言的 ASR 进展：Quechua, Guarani, Bribri, Kotiria 和 Wa'ikhana

    我们通过爬取广泛的语音语料库并应用数据增强方法，为五种土著语言（Quechua、Guarani、Bribri、Kotiria 和 Wa'ikhana）提供了可靠的自动语音识别（ASR）模型，其中包括 Wav2vec2.0 XLS-R 模型的不同变体

    Apr, 2024

  • 利用数据收集和无监督学习对突尼斯阿拉伯语混合语音自动识别的提升

    本研究旨在解决突尼斯方言语音识别的挑战，通过采集和注释文本和音频数据，并探索自监督、半监督和少样本代码转换方法，使其在不同的突尼斯测试集中取得前沿成果，最终通过人工评估确保翻译的准确性，所提出的模型适用于突尼斯阿拉伯语、英语和法语的语言混合，并提供训练和测试数据供公众使用和进一步改进。

    Sep, 2023

  • 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

  • AfriNames: 许多 ASR 模型 “屠杀” 非洲人的姓名

    通过多语言预训练、智能数据增强策略以及在多种非洲口音上微调多语言自动语音识别模型，解决使用非洲人名时自动语音识别模型性能下降的问题。相比基准样本，在使用非洲人名的样本上精度相对错误率改善了 81.5%。

    Jun, 2023