长形式同步语音翻译：学位论文提案
计算与语言
2023-10-18 v1 人工智能
声音
音频与语音处理
摘要
同步语音翻译（SST）旨在提供口语的实时翻译，甚至在说话者完成句子之前。传统上，SST 主要由将任务分解为子任务（包括语音识别、分割和机器翻译）的级联系统处理。然而，深度学习的出现引发了端到端（E2E）系统的极大兴趣。尽管如此，当前文献中报道的大多数 E2E SST 方法的一个主要局限是假设源语音已预先分割为句子，这对实际现实应用而言是重大障碍。本学位论文提案探讨端到端同步语音翻译，尤其在长形式设定下，即无预分割。我们呈现了 E2E SST 最新进展的综述，评估 SST 的主要障碍及其与长形式场景的相关性，并提出了应对这些挑战的方法。
引用
@article{arxiv.2310.11141,
title = {Long-form Simultaneous Speech Translation: Thesis Proposal},
author = {Peter Polák},
journal= {arXiv preprint arXiv:2310.11141},
year = {2023}
}
备注
IJCNLP-AACL SRW 2023 - camera-ready version