让濒危语言步入数字时代:以犹太西班牙语为例
计算与语言
2022-06-01 v1
摘要
我们开发机器翻译与语音合成系统,以补充振兴犹太西班牙语的努力;犹太西班牙语是塞法迪犹太人的流散语言,存续数个世纪,如今在数字时代面临灭绝威胁。基于土耳其及其他地区的塞法迪社群所创建的语料资源,我们构建了语料库与工具,以帮助为后代保存这一语言。在机器翻译方面,我们首先开发一个西班牙语到犹太西班牙语的基于规则的机器翻译系统,以生成相关语言对(土耳其语、英语和西班牙语)的大量合成平行数据。随后,我们利用该合成数据以及由塞法迪社群翻译创建的真实平行数据,训练基线神经机器翻译引擎。对于文本到语音合成,我们呈现了一个 3.5 小时单说话人语音语料库,用于构建神经语音合成引擎。资源、模型权重与在线推理引擎均已公开共享。
引用
@article{arxiv.2205.15599,
title = {Preparing an Endangered Language for the Digital Age: The Case of Judeo-Spanish},
author = {Alp Öktem and Rodolfo Zevallos and Yasmin Moslem and Güneş Öztürk and Karen Şarhon},
journal= {arXiv preprint arXiv:2205.15599},
year = {2022}
}