从字幕到分割：改进低资源语音到文本翻译流水线
计算与语言
2020-10-20 v1
摘要
在本工作中，我们聚焦于在低资源语言语音到文本翻译背景下改进 ASR 输出分割。ASR 输出分割至关重要，因为 ASR 系统仅使用纯声学信息对输入音频分段，不能保证输出类句子片段。由于多数 MT 系统期望以句子为输入，送入较长未分割段落会导致次优性能。我们探索使用来自电视剧与电影的宇幕数据集训练更好的 ASR 分割模型的可行性。我们进一步将词性（POS）标签与依存标签信息（从未分割 ASR 输出导出）纳入分割模型。我们表明该含噪句法信息可提升模型准确率。我们在分割质量上内在评估模型，并在下游 MT 性能以及包括跨语言信息检索（CLIR）任务与人工相关性评估的下游任务上外在评估。我们的模型在立陶宛语与保加利亚语的下游任务上展示出改进性能。
引用
@article{arxiv.2010.09693,
title = {Subtitles to Segmentation: Improving Low-Resource Speech-to-Text Translation Pipelines},
author = {David Wan and Zhengping Jiang and Chris Kedzie and Elsbeth Turcan and Peter Bell and Kathleen McKeown},
journal= {arXiv preprint arXiv:2010.09693},
year = {2020}
}