Porque o seu modelo de fala falha em fala multilingue real

Como é realmente a falha?

Não é uma mensagem de erro. O sistema transcreve as partes na língua que espera e silenciosamente distorce ou omite o resto, produzindo uma saída que parece plausível mas está a faltar conteúdo.

Como a saída é bem formada, as verificações de qualidade a jusante passam. É por isso que o problema é geralmente descoberto pelos utilizadores em vez de pela avaliação.

Porque é que é submedida?

Porque os conjuntos de teste não a contêm. Um conjunto de dados montado como gravações limpas de uma única língua, depois dividido em treino e teste, não pode revelar um modo de falha que requer entrada de língua mista para aparecer.

O primeiro passo é quase sempre construir um conjunto de avaliação com fala genuinamente alternada, antes de encomendar qualquer dado de treino. Medir a lacuna é mais barato do que assumir o seu tamanho.

Quem pode realmente anotá-la?

Alguém genuinamente fluente em ambas as línguas. Não um falante fluente de uma com conhecimento de livro da outra, porque as fronteiras são frequentemente ambíguas e resolvê-las requer intuição nativa em ambas.

Esta é a restrição que determina a viabilidade do projeto. Para um par de línguas onde poucas pessoas são fluentes em ambas, o grupo de anotadores é o limite vinculativo, não o orçamento.

Quais decisões de convenção importam mais?

Como tratar uma única palavra emprestada dentro de uma frase de outra forma monolingue. Se uma palavra emprestada estabelecida conta como uma alternância. Como marcar a fusão morfológica onde um radical de uma língua recebe um afixo de outra.

Cada uma tem uma resposta defensável e nenhuma universal. O que importa é escolher explicitamente e fixá-la, porque anotadores aplicando respostas diferentes num corpus produzem dados que não ensinam nada.

• Palavras únicas emprestadas: alternância ou não?
• Palavras emprestadas estabelecidas: alternância ou não?
• Fusões morfológicas: como marcadas?
• Nomes próprios: excluídos da alternância?

O que é alternância de código no reconhecimento de fala?

Mudar de língua dentro de um único enunciado. É uma fala multilingue normal e quebra sistemas que assumem uma língua por enunciado, geralmente omitindo ou distorcendo silenciosamente a língua inesperada.

Porque é que os conjuntos de teste padrão não detetam falhas de alternância de código?

Porque contêm gravações de uma única língua. Uma falha que só aparece com entrada de língua mista não pode ser detetada por um conjunto de teste que não a tem.

Quem pode anotar fala com alternância de código?

Apenas anotadores genuinamente fluentes em ambas as línguas, porque casos de fronteira requerem intuição nativa em cada uma. Este grupo de anotadores, não o orçamento, é geralmente a restrição vinculativa em tais projetos.