面向孔加拉语地区方言的实时语音助理 BanglaTalk
计算与语言
2025-11-17 v2 人工智能
机器学习
摘要
实时语音助理正在变得越来越流行，以确保信息获取的可访问性。孔加拉语作为一种资源较少且具有高度地区方言多样性的语言，开发此类系统的进展有限。现有系统未针对实时使用进行优化，也仅关注标准孔加拉语。本工作提出 BanglaTalk，首个面向孔加拉语地区方言的实时语音助理系统。BanglaTalk 遵循客户端-服务器体系结构，使用实时传输协议 (RTP) 确保低延迟通信。为解决方言变异问题，我们引入了方言感知语音识别系统 BRDialect，通过在孔加拉语十个地区方言上对 IndicWav2Vec 模型进行微调。它在 RegSpeech12 数据集上相较于基线模型提高了 12.41%~33.98%。此外，BanglaTalk 可在 24 kbps 的低带宽下运行，平均端到端延迟仅为 4.9 秒。低带宽消耗和最小端到端延迟使系统在实时场景下既经济实惠又具互动性，为孔加拉语说话者多元化社区提供包容且可访问的语音技术。代码已公开于 https://github.com/Jak57/BanglaTalk。
关键词
引用
@article{arxiv.2510.06188,
title = {BanglaTalk: Towards Real-Time Speech Assistance for Bengali Regional Dialects},
author = {Jakir Hasan and Shubhashis Roy Dipta},
journal= {arXiv preprint arXiv:2510.06188},
year = {2025}
}