AlloVera：一个多语言音位变体数据库
计算与语言
2020-04-20 v1
摘要
我们介绍一个新资源 AlloVera，它提供了 14 种语言的 218 个音位变体到音位的映射。音位是区别性音系单位，而音位变体是它们在具体语境中的各种实现，可由音系语境预测。虽然音位表示是语言特定的，但语音表示（以（音位）变体表述）更接近于一种通用的（语言无关的）转写。AlloVera 允许训练语音识别模型，无论输入语言为何，均输出国际音标（IPA）中的语音转写。我们展示了一个用 AlloVera 构建的“通用”音位变体模型 Allosaurus 在语音转写任务上优于“通用”音位模型和特定语言模型。我们探讨了该技术（及相关技术）对濒危语言和少数民族语言记录的影响。我们进一步探讨了 AlloVera 在成长过程中适用的其他应用，包括音系类型学。
引用
@article{arxiv.2004.08031,
title = {AlloVera: A Multilingual Allophone Database},
author = {David R. Mortensen and Xinjian Li and Patrick Littell and Alexis Michaud and Shruti Rijhwani and Antonios Anastasopoulos and Alan W. Black and Florian Metze and Graham Neubig},
journal= {arXiv preprint arXiv:2004.08031},
year = {2020}
}
备注
8 pages, LREC 2020