JwumaPor qué su modelo de voz falla en el habla multilingüe real
· 3 min de lectura · speech, evaluation
Esta traducción fue generada por una máquina y no ha sido revisada por un hablante nativo. Ante cualquier duda, la versión en inglés es la original. Avísanos si algo está mal y lo corregiremos. English
La mayoría de los sistemas de voz asumen un idioma por enunciado. Los hablantes multilingües reales cambian de idioma a mitad de oración, lo que produce un fallo silencioso: el sistema transcribe el idioma dominante y omite o distorsiona el resto. Generalmente está submedido porque los conjuntos de prueba monolingües no contienen este fenómeno.
En resumen
- El cambio de código significa cambiar de idioma dentro de un solo enunciado.
- Es un habla normal en gran parte de África, Asia del Sur y el Sudeste Asiático.
- Los conjuntos de prueba monolingües no pueden detectar fallos de cambio de código.
- El etiquetado requiere anotadores fluidos en ambos idiomas, no en uno.
- Las convenciones para palabras prestadas individuales deben fijarse explícitamente.
¿Estás definiendo algo así?
Preferimos hablar del problema antes que cotizar por volumen.
Ver capacidades¿Cómo se manifiesta realmente el fallo?
No es un mensaje de error. El sistema transcribe las partes en el idioma que espera y silenciosamente distorsiona u omite el resto, produciendo una salida que parece plausible pero que está incompleta.
Debido a que la salida está bien formada, las verificaciones de calidad posteriores pasan. Por eso el problema suele ser descubierto por los usuarios y no por la evaluación.
¿Por qué está submedido?
Porque los conjuntos de prueba no lo contienen. Un conjunto de datos ensamblado como grabaciones limpias de un solo idioma, luego dividido en entrenamiento y prueba, no puede revelar un modo de fallo que requiere entrada de idiomas mixtos para aparecer.
El primer paso casi siempre es construir un conjunto de evaluación con habla genuinamente cambiada de código, antes de encargar cualquier dato de entrenamiento. Medir la brecha es más barato que asumir su tamaño.
¿Quién puede realmente anotarlo?
Alguien genuinamente fluido en ambos idiomas. No un hablante fluido de uno con conocimiento de libro de texto del otro, porque los límites son frecuentemente ambiguos y resolverlos requiere intuición nativa en ambos.
Esta es la restricción que determina la viabilidad del proyecto. Para un par de idiomas donde pocas personas son fluidas en ambos, el grupo de anotadores es el límite vinculante, no el presupuesto.
¿Qué decisiones de convención importan más?
Cómo tratar una sola palabra prestada dentro de una oración monolingüe. Si una palabra prestada establecida cuenta como un cambio. Cómo marcar la mezcla morfológica donde un radical de un idioma toma un afijo de otro.
Cada una tiene una respuesta defendible y ninguna universal. Lo que importa es elegir explícitamente y fijarlo, porque los anotadores que aplican diferentes respuestas en un corpus producen datos que no enseñan nada.
- Palabras prestadas individuales: ¿cambio o no?
- Palabras prestadas establecidas: ¿cambio o no?
- Mezclas morfológicas: ¿cómo se marcan?
- Nombres propios: ¿excluidos del cambio?
También preguntan
¿Qué es el cambio de código en el reconocimiento de voz?
Cambiar de idioma dentro de un solo enunciado. Es un habla multilingüe normal y rompe los sistemas que asumen un idioma por enunciado, generalmente omitiendo o distorsionando silenciosamente el idioma inesperado.
¿Por qué los conjuntos de prueba estándar no detectan fallos de cambio de código?
Porque contienen grabaciones de un solo idioma. Un fallo que solo aparece con entrada de idiomas mixtos no puede ser detectado por un conjunto de prueba que no tiene ninguno.
¿Quién puede anotar el habla con cambio de código?
Solo los anotadores genuinamente fluidos en ambos idiomas, porque los casos límite requieren intuición nativa en cada uno. Este grupo de anotadores, no el presupuesto, suele ser la restricción vinculante en tales proyectos.