文学与口语泰米尔方言识别
音频与语音处理
2024-08-27 v1 计算与语言
人机交互
机器学习
声音
摘要
文化与语言共同演变。泰米尔语的旧文学形式常用于书写，口语泰米尔则用于日常交流。人机交互应用需要口语泰米尔（CT）以提高可访问性和易用性，而在需要正式书面信息时则需要文学泰米尔（LT）。在计算机辅助语言学习应用中，同时使用 LT 与 CT 不仅能保留 LT，还能通过 CT 提供便捷性。因此，需要在两种方言之间进行转换，这要求首先进行方言识别。文学泰米尔与口语泰米尔的方言识别（DID）是尚未探索的研究领域。本文考虑到两种方言的细微差异，探索了五种方法，包括两种隐式方法——高斯混合模型（GMM）和卷积神经网络（CNN）；两种显式方法——平行电话识别（PPR）和平行大词表连续语音识别（P-LVCSR）；以及两种版本的 proposed explicit Unified Phone Recognition 方法（UPR-1 和 UPR-2）。这些方法在是否需要注释数据、单元大小、建模方式以及最终决策方式方面存在差异。尽管测试语音时长较短——LT 为 4.9 秒，CT 为 2.5 秒——各系统表现良好，分别实现了以下识别准确率：87.72%（GMM），93.97%（CNN），89.24%（PPR），94.21%（P-LVCSR），88.57%（UPR-1），93.53%（UPR-1 结合 P-LVCSR），94.55%（UPR-2），95.61%（UPR-2 结合 P-LVCSR）。
引用
@article{arxiv.2408.13739,
title = {Literary and Colloquial Tamil Dialect Identification},
author = {M. Nanmalar and P. Vijayalakshmi and T. Nagarajan},
journal= {arXiv preprint arXiv:2408.13739},
year = {2024}
}
备注
18 pages, 6 figures, submitted to "Circuits, Systems, and Signal Processing"