利用去噪反向翻译改进级联无监督语音翻译
计算与语言
2023-05-15 v1 声音
音频与语音处理
摘要
大多数语音翻译模型严重依赖平行数据，这类数据难以收集，尤其是低资源语言。为应对此问题，我们提出构建不利用任何形式配对数据的级联语音翻译系统。我们使用完全无配对数据训练无监督系统，并在 CoVoST 2 与 CVSS 上评估其结果。结果表明，我们的工作在某些语言对上与一些早期的监督方法相当。虽然级联系统始终深受严重的错误传播问题困扰，我们提出了去噪反向翻译（DBT），一种构建鲁棒无监督神经机器翻译（UNMT）的新方法。DBT 在全部三个翻译方向上成功将 BLEU 分数提升 0.7–0.9。此外，我们简化了级联系统的流水线以降低推理延迟，并对工作的每一部分进行了全面分析。我们还在已建立的网站上展示了无监督语音翻译结果。
引用
@article{arxiv.2305.07455,
title = {Improving Cascaded Unsupervised Speech Translation with Denoising Back-translation},
author = {Yu-Kuan Fu and Liang-Hsuan Tseng and Jiatong Shi and Chen-An Li and Tsu-Yuan Hsu and Shinji Watanabe and Hung-yi Lee},
journal= {arXiv preprint arXiv:2305.07455},
year = {2023}
}