利用端到端 ASR 助力濒危语言记录：基于 Yoloxóchitl Mixtec 的实证研究
音频与语音处理
2021-03-08 v3 声音
摘要
由高效人类转写者短缺造成的“转写瓶颈”是濒危语言（EL）记录的主要挑战之一。自动语音识别（ASR）已被提议作为克服此类瓶颈的工具。遵循该建议，我们研究了端到端 ASR 对 EL 记录的有效性，与隐马尔可夫模型 ASR 系统不同，前者避开语言资源而更依赖大数据环境。我们开源了一个 Yoloxóchitl Mixtec 濒危语言语料库。首先，我们回顾了以 ASR 界可复现的方式构建端到端 ASR 系统的方法。随后我们提出了一项新手转写校正任务，并展示了 ASR 系统与新手转写者如何协作以改进 EL 记录。我们相信这种组合方法将缓解阻碍 EL 记录的转写瓶颈与转写者短缺问题。
引用
@article{arxiv.2101.10877,
title = {Leveraging End-to-End ASR for Endangered Language Documentation: An Empirical Study on Yolox\'ochitl Mixtec},
author = {Jiatong Shi and Jonathan D. Amith and Rey Castillo García and Esteban Guadalupe Sierra and Kevin Duh and Shinji Watanabe},
journal= {arXiv preprint arXiv:2101.10877},
year = {2021}
}
备注
Accepted by EACL2021