42 是否是字幕导向语音翻译中一切的答案?
计算与语言
2020-06-02 v1
摘要
鉴于每天可用的视听内容数量巨大, 字幕对于信息传播正变得愈发重要。尽管神经机器翻译 (NMT) 可以加快视听内容的翻译过程, 但源语言转写以及文本的时间对齐与分割为恰当字幕仍需大量人工。在时间和分割方面制作恰当字幕高度依赖于音频中呈现的信息 (话语时长、自然停顿)。在这项工作中, 我们探索了两种将语音翻译 (ST) 应用于字幕的方法: a) 直接的端到端方法, 以及 b) 经典的级联方法。我们讨论了利用源语言语音来改善所生成字幕对空间和时间字幕约束的符合程度的好处, 并表明在字幕导向 ST 的情况下, 长度并非一切的答案。
引用
@article{arxiv.2006.01080,
title = {Is 42 the Answer to Everything in Subtitling-oriented Speech Translation?},
author = {Alina Karakanta and Matteo Negri and Marco Turchi},
journal= {arXiv preprint arXiv:2006.01080},
year = {2020}
}
备注
Accepted at IWSLT 2020