为 Puno 琐胡语构建社区导向的自然语言处理资源
计算与语言
2026-05-28 v1 数据库
人机交互
摘要
保存缺乏资源的语言需要由其说话者为其说话者所塑造的数字工具和资源。我们 presented Puno 琐胡语（ISO 639-3: qxp）的首个专用语音识别资源：（1）任何单一琐胡语种类中最大的语音语料库，包含 66 小时录音，涵盖脚本化和自发语音（包括 36 小时手动转录和验证数据），通过参与式设计活动收集；（2）Puno 琐胡语的首个系统化语音识别基准，评估最先进模型并对 Whisper-base、wav2vec2-base 和 XLS-R-300M 进行微调，分别进行与否继续预训练；（3）所有数据集和微调模型的开放发布。
引用
@article{arxiv.2605.28253,
title = {Building Community-Centred NLP Resources for Puno Quechua},
author = {Elwin Huaman and Adrian Gamarra Lafuente and Johanna Cordova and Anna Korhonen},
journal= {arXiv preprint arXiv:2605.28253},
year = {2026}
}
备注
Sixth Workshop on NLP for Indigenous Languages of the Americas (AmericasNLP 2026), co-located with ACL 2026