高效且具竞争力的语音翻译：FBK@IWSLT2022
计算与语言
2023-10-19 v1
摘要
FBK 向 IWSLT 2022 离线及同步语音翻译任务提交系统的首要目标是在不牺牲翻译质量的前提下降低模型训练成本。为此，我们首先质疑 ASR 预训练的必要性，表明其并非取得竞争力结果的关键。其次，我们聚焦于数据过滤，表明一种考察源语言与目标语言字符数之比的简单方法可带来 1 个 BLEU 的质量提升。第三，我们比较了不同方法以减少训练数据（在句子层面人工切分）与推理数据（自动切分）之间音频分段不匹配的有害影响。出于降低训练成本的同一目标，我们以训练离线 ST 所用的相同模型参与同步任务。我们轻量级训练策略的有效性由在 MuST-C en-de 语料上取得的高分（26.7 BLEU）所证明，并在高资源数据条件下通过较去年获胜系统在 IWSLT2020 测试集上提升 1.6 BLEU 而得到确认。
引用
@article{arxiv.2205.02629,
title = {Efficient yet Competitive Speech Translation: FBK@IWSLT2022},
author = {Marco Gaido and Sara Papi and Dennis Fucci and Giuseppe Fiameni and Matteo Negri and Marco Turchi},
journal= {arXiv preprint arXiv:2205.02629},
year = {2023}
}
备注
IWSLT 2022 System Description