打破沉默：巴尔贝语文本到 gloss 翻译的数据集与基准
计算与语言
2026-05-05 v3 人工智能
摘要
Gloss 是一种书面近似，用以桥接手语 (Sign Language, SL) 和其对应口语语言。尽管孟加拉国至少有 300 万听力受损或失聪人口，但巴尔贝语手语 (Bangla Sign Language, BdSL) 仍在很大程度上未受研究，此前没有关于巴尔贝语文本到 gloss 翻译的工作，也没有公开可用的数据集。为填补这一空白，我们构建了第一个巴尔贝语文本到 gloss 数据集，包含 1000 条手动标注和 4000 条人工生成的巴尔贝语句子-gloss 对，并附有 159 条专家人工标注的测试集。我们的实验框架对比分析了几种微调的开源模型和一家领先的闭源大语言模型，以评估其在低资源 BdSL 翻译中的性能。GPT-5.4 实现了最佳的整体性能，而经过微调的 mBART 模型尽管约小 100%，仍表现出竞争力。Qwen-3 在人类评估中优于所有其他模型。这项工作引入了第一个巴尔贝语文本到 gloss 翻译的数据集和训练模型，同时展示了系统生成合成数据在解决低资源手语翻译挑战方面的有效性。
引用
@article{arxiv.2504.02293,
title = {Breaking the Silence: A Dataset and Benchmark for Bangla Text-to-Gloss Translation},
author = {Sharif Mohammad Abdullah and Abhijit Paul and Shubhashis Roy Dipta and Zarif Masud and Shebuti Rayana and Ahmedul Kabir},
journal= {arXiv preprint arXiv:2504.02293},
year = {2026}
}