.png){kind=icon}
返回
Semantically Corrected Amharic Automatic Speech Recognition
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05063-2_15.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动语音识别（ASR）在全球范围内提升口语语言的可及性方面发挥着关键作用。本文构建了一套适用于阿姆哈拉语（Amharic，主要在东非使用，使用者超过5000万）的ASR工具。阿姆哈拉语使用盖兹字母（Ge'ez script）书写，其字符序列中的空格表示单词边界。这使得阿姆哈拉语的计算处理具有挑战性，因为空格的位置会显著影响句子的含义。我们发现现有的阿姆哈拉语ASR基准测试未考虑这些空格，仅测量单个字符错误率，导致实际性能测量值被显著夸大。本文首先发布了现有阿姆哈拉语ASR测试数据集的修正转录，使社区能够准确评估进展。此外，我们引入了一种基于Transformer编码器-解码器架构的后处理方法，将原始ASR输出整理成语法完整且语义连贯的阿姆哈拉语句。通过在修正后的测试数据集上的实验，我们的模型提升了阿姆哈拉语语音识别系统的语义正确性，实现了5.5%的字符错误率（CER）和23.3%的单词错误率（WER）。
Keyword:
Speech Recognition
Sentence Correction
Semantically Corrected Sentence
Data Augmentation
期刊
P
机构
暂无机构信息
引用论文
Neural spelling correction: translating incorrect sentences to correct sentences for multimedia
PREAI
分享收藏A Spelling Correction Model for End-to-end Speech Recognition.png)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏分享收藏分享收藏
查看更多内容