面向国际音标的通用自动语音音素转写
计算与语言
2023-08-09 v1 声音
音频与语音处理
摘要
本文提出了一种最先进的模型，用于将任意语言的语音转写为国际音标（IPA）。将口语转写为IPA是语言记录中必不可少但耗时的过程，即便部分自动化该过程也有潜力大幅加速濒危语言的记录。与先前最佳的语音到IPA模型（Wav2Vec2Phoneme）类似，我们的模型基于wav2vec 2.0，并经过微调以从音频输入预测IPA。我们使用来自CommonVoice 11.0的七种语言的训练数据，以半自动方式转写为IPA。尽管该训练数据集远小于Wav2Vec2Phoneme的，但其更高质量使我们的模型取得了相当或更好的结果。此外，我们表明我们的通用语音到IPA模型的质量接近于人类标注者。
引用
@article{arxiv.2308.03917,
title = {Universal Automatic Phonetic Transcription into the International Phonetic Alphabet},
author = {Chihiro Taguchi and Yusuke Sakai and Parisa Haghani and David Chiang},
journal= {arXiv preprint arXiv:2308.03917},
year = {2023}
}
备注
5 pages, 7 tables