濒危与已灭绝萨莫耶德语族的语音识别
计算与语言
2020-12-11 v1
摘要
我们的研究展示了一系列关于西伯利亚北部与南部所使用的濒危及已灭绝萨莫耶德语族语言的语音识别实验。据我们所知，这是首次为已灭绝语言构建可用的 ASR 系统。我们针对 Kamas 语言取得了 15% 的标签错误率，并通过细致的错误分析得出结论：该质量已可作为精细人工转写的有用起点。我们在相关的 Nganasan 语言上结果较为有限，最佳模型的错误率为 33%。然而，我们通过逐步扩充 Kamas 训练数据的实验表明，Nganasan 的结果与该语言低资源条件下的预期相符。基于此，我们就进一步语言记录或档案处理活动可受益于现代 ASR 技术的场景提供了建议。所有训练数据与处理脚本均已发布于 Zenodo，并附有清晰许可，以确保这一重要主题的后续工作。
引用
@article{arxiv.2012.05331,
title = {Speech Recognition for Endangered and Extinct Samoyedic languages},
author = {Niko Partanen and Mika Hämäläinen and Tiina Klooster},
journal= {arXiv preprint arXiv:2012.05331},
year = {2020}
}
备注
the 34th Pacific Asia Conference on Language, Information and Computation