May, 2023

VAKTA-SETU: 一种选择印度语言的语音到语音机器翻译服务

PDF
TL;DR本文介绍了面向英 - 印度语、英 - 马拉缇语和印度 - 马拉缇语语言对的部署就绪的语音 - to 语音机器翻译（SSMT）系统，该系统通过级联自动语音识别（ASR）、行话校正（DC）、机器翻译（MT）和文本 - to 语音合成（TTS）模型进行开发。
speech-to-speech machine translationasrmtttslabse
发现论文，激发创造
  • 口语到口语机器翻译中应力转移尝试

    通过提供一个带有印度英语重读标记注释的数据集，并且使用能够将重读融入合成语音的文本转语音架构，本文介绍了一个能够检测源语音中的重读并将其转移到目标语言语音中的印度英语到印度语的语音机器翻译系统，旨在提高教育内容的整体质量和吸引力。

    Mar, 2024

  • 改进印度语系多语言神经机器翻译系统

    本文提出了一个 MNMT 系统，通过各种增强策略改进它的性能，研究了方言、语言脚本等因素在提高低资源语言翻译表现中的作用，并展示了回译和领域适应对提高源语言和目标语言翻译质量的优势。通过这些方法，我们的模型在评价指标（即一组 IL 的 BLEU（双语评估协议）得分）方面比基线模型更高效。

    Sep, 2022

  • 印度语言的统计机器翻译

    本文介绍了使用 SMT 技术和 MOSES 工具包开发双语 SMT 模型，实现英语和十五种低资源印度语言之间的翻译，包括使用 BLEU，METEOR 和 RIBES 等标准指标对翻译质量进行评估。

    Jan, 2023

  • MunTTS: 一个 Mundari 语文到语音系统

    针对孟达里语，这篇研究论文介绍了 MunTTS，一个专门用于文本到语音（TTS）的端到端系统，通过收集和处理数据来构建一个语音合成系统，以填补低资源印度语言在语言技术方面的不足，并通过与母语者和客观指标的评估展示其在数字时代中作为保护和推广孟达里语的工具的潜力。

    Jan, 2024

  • 句法知识对英汉机器翻译的帮助作用

    本文旨在探究各种参数设置下最先进的统计机器翻译系统，以提高像英语 - 印地语这样的 “远距离” 语言对翻译的质量，并提出了新的有效的重排序技术和简单预处理步骤，以显著改善翻译结果的质量。

    Jan, 2014

  • IndicTrans2：适用于所有 22 个印度预定语言的高质量可访问机器翻译模型

    该研究旨在通过整合并创建特定于印度的并行语料库和基准测试数据，训练出支持所有 22 种印度语言的机器翻译模型，为印度的语言多样性提供广泛且易于访问的机器翻译系统，该研究创造性地提出了四个关键领域的改进，并发布了 BPCC 和 IndicTrans2 等数据资源和模型。

    May, 2023

  • 选择性数据增强对于强健的语音翻译的影响

    该论文介绍了使用端到端系统和噪声机器翻译数据增强策略来改进语音翻译，提高 BLEU 分数，该方法应用于英语 - 印地语语音翻译。

    Mar, 2023

  • 基于 Transformer 的印地语到英语神经机器翻译

    我们使用深度学习技术开发了一种神经机器翻译系统，通过训练 Transformer 模型将印度语 Hindi 翻译成英语，通过实施回译增强训练数据并尝试使用 Byte Pair Encoding (BPE) 进行词汇划分，我们在 10 个不同的配置中训练 Transformer，在 IIT Bombay 英印语语料库的测试集中取得了 24.53 的最新 BLEU 分数。

    Sep, 2023

  • 使用 Bark、mBART 和经过微调的 XLSR Wav2Vec2 进行端到端印地语到英语语音转换

    该研究论文介绍了一种针对印度 - 英语翻译的端到端语音转换框架，通过集成最新的技术实现自动语音识别、神经机器翻译和文本转语音合成组件，提供了一种统一无缝的跨语言交流方法。

    Jan, 2024

  • 基于大型预训练模型的流畅翻译 ——MixMT 2022 SIT

    本论文介绍了史蒂文斯理工学院提交的 WMT 2022 共享任务：混合代码机器翻译并针对该任务的两个子任务的技术改进，包括采用大型预训练多语言 NMT 模型和领域内数据集以及反向翻译和集成技术等，该系统取得了子任务 2 上的第一名和子任务 1 上的第一和第三名。

    Oct, 2022