面向低资源突厥语族语言的自适应语音到摘要级联流水线
《Computers》:Toward an Adaptive Speech-to-Summary Pipeline for Turkic Languages: Language-Specific ASR, Conditional Morphology-Aware Correction, Pivot Translation, and Summarization
【字体:
大
中
小
】
时间:2026年10月02日
来源:Computers 5.2
编辑推荐:
低资源、形态丰富语言的语音到摘要级联性能取决于语言、识别错误与翻译方向之间的相互作用。本研究为六种突厥语(阿塞拜疆语、哈萨克语、吉尔吉斯语、土耳其语、土库曼语和乌兹别克语)开发了一种自适应的语音到摘要流水线,集成了ASR、条件性形态感知后处理(MAPP)、MT、枢纽路由和摘要
低资源、形态丰富语言的语音到摘要级联性能取决于语言、识别错误与翻译方向之间的相互作用。本研究为六种突厥语(阿塞拜疆语、哈萨克语、吉尔吉斯语、土耳其语、土库曼语和乌兹别克语)开发了一种自适应的语音到摘要流水线,集成了ASR、条件性形态感知后处理(MAPP)、MT、枢纽路由和摘要生成。Whisper系列模型在土耳其语、哈萨克语和阿塞拜疆语的外部基准测试中表现领先;MMS则在吉尔吉斯语、乌兹别克语和土库曼语中表现领先。乌兹别克语基准测试表现最佳的模型在实际录音中证明并不可靠,需要部署不同的模型。基于停顿的分割方法降低了哈萨克语、阿塞拜疆语、乌兹别克语和吉尔吉斯语的ASR错误,但这并非对所有语言都有普遍益处。MAPP在强大的真实ASR输出上没有表现出一致的提升;只有3.6%的真实乌兹别克语替换错误可以通过纠错规则进行纠正,这支持了条件性而非强制性的纠错机制。跨越22个FLORES-200翻译方向的机器翻译评估显示,性能取决于翻译方向,并且对书写系统兼容性敏感。枢纽语言的选择因语言而异:对于哈萨克语、土库曼语和土耳其语,直接通过哈萨克语路由效果更好;而阿塞拜疆语则受益于使用英语作为枢纽语言。研究结果支持用一种可配置的架构替代固定的级联系统,根据语言、错误模式和部署约束来选择ASR、分割、纠错、机器翻译和枢纽路由。目前,路由决策是基于经验证据离线做出的;自动路由留作未来的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号