Automatic speech recognition (ASR) in Sanskrit is interesting, owing to the various linguistic peculiarities present in the language. The Sanskrit language is lexically productive, undergoes euphonic assimilation of phones at the word boundaries and exhibits variations in spelling conventions and in pronunciations. In this work, we propose the first large scale study of automatic speech recognition (ASR) in Sanskrit, with an emphasis on the impact of unit selection in Sanskrit ASR. In this work, we release a 78 hour ASR dataset for Sanskrit, which faithfully captures several of the linguistic characteristics expressed by the language. We investigate the role of different acoustic model and language model units in ASR systems for Sanskrit. We also propose a new modelling unit, inspired by the syllable level unit selection, that captures character sequences from one vowel in the word to the next vowel. We also highlight the importance of choosing graphemic representations for Sanskrit and show the impact of this choice on word error rates (WER). Finally, we extend these insights from Sanskrit ASR for building ASR systems in two other Indic languages, Gujarati and Telugu. For both these languages, our experimental results show that the use of phonetic based graphemic representations in ASR results in performance improvements as compared to ASR systems that use native scripts.


翻译:在梵语中,自动语音识别(ASR)是一个有趣的问题,因为其语言特性不同。梵语在语言上具有丰富的语言特征。梵语在字界上具有丰富性,在字界和字典上对电话进行快速同化,并展示了拼写惯例和发音的差异。在这项工作中,我们提议对梵语自动语音识别(ASR)进行首次大规模研究,重点是梵语中单位选择的影响。在这项工作中,我们发布了78小时梵语的ASR数据集,忠实地捕捉了该语表达的一些语言特征。我们调查了在梵语系统中不同声学模型和语言模型单元在字条界限上对电话进行快速同化的同化。我们还提议建立一个新的建模单位,在音级单位选择的启发下,从一个词句到下一个元音节中记录了字符序列。我们还强调了为梵语选择图形表达方式的重要性,并展示了这一选择对文字错误率的影响(WER)。最后,我们从梵语系中从ASritrit AR 和语言模型模型单元单元单元单元中将这些洞洞察到在ASR系统中建立ASR系统,在两个实验性平面图像中都显示结果。

0
下载
关闭预览

相关内容

语音识别是计算机科学和计算语言学的一个跨学科子领域,它发展了一些方法和技术,使计算机可以将口语识别和翻译成文本。 它也被称为自动语音识别(ASR),计算机语音识别或语音转文本(STT)。它整合了计算机科学,语言学和计算机工程领域的知识和研究。
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【资源】语音增强资源集锦
专知
8+阅读 · 2020年7月4日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
NLP - 15 分钟搭建中文文本分类模型
AINLP
79+阅读 · 2019年1月29日
基于Lattice LSTM的命名实体识别
微信AI
47+阅读 · 2018年10月19日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Neural Speech Synthesis with Transformer Network
Arxiv
5+阅读 · 2019年1月30日
Arxiv
6+阅读 · 2018年7月29日
Arxiv
3+阅读 · 2018年6月19日
VIP会员
Top
微信扫码咨询专知VIP会员