Detail publikace

BUT Systems for IWSLT 2023 Marathi - Hindi Low Resource Speech Translation Task

KESIRAJU, S.; BENEŠ, K.; TIKHONOV, M.; ČERNOCKÝ, J. BUT Systems for IWSLT 2023 Marathi - Hindi Low Resource Speech Translation Task. In 20th International Conference on Spoken Language Translation, IWSLT 2023 - Proceedings of the Conference. Toronto (in-person and online): Association for Computational Linguistics, 2023. p. 227-234. ISBN: 978-1-959429-84-5.
Název česky
BUT Systémy pro IWSLT 2023 úlohu překladu řeči z maráthštiny do hindštiny
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Kesiraju Santosh, Ph.D. (UPGM)
Beneš Karel, Ing. (UPGM)
Tikhonov Maksim, Bc.
Černocký Jan, prof. Dr. Ing. (UPGM)
URL
Klíčová slova

Marathi, Hindi, Low Resource, Speech, Translation

Abstrakt

Tento článek popisuje systémy, které byly vytvořeny pro úlohu překladu řeči s malými zdroji, z maráthštiny do hindštiny. Náš primární systém je založen na systému přímého překladu řeči, zatímco kontrastní systém je kaskádový. Páteří obou systémů je  Hindsko-maráthský dvojjazyčný systém ASR natrénovaný na 2790 hodinách nedokonale přepsané řeči. Systém přímého překladu řeči byl přímo inicializován z ASR a poté doladěn pro přímý překlad řeči (s pomocnou ztrátovou funkcí CTC) na překlad. Model strojového překladu pro kaskádový systém je inicializován z napříč-jazykového jazykového modelu, který byl následně doladěn pomocí 1,6 milionu paralelních vět. Všechny naše systémy byly trénovány od nuly na veřejně dostupných datových sadách. Nakonec používáme jazykový model pro přeskórování n-nejlepších hypotéz. Náš primární systém dosáhl pořadě 30,5 a 39,6 BLEU, zatímco kontrastivní systém získal 21.7 a 28.6 BLEU na oficiální validační a testovací sadě. Článek také uvádí analýzu několika experimentů, které byly provedeny a nastiňuje strategie pro zlepšení překladu řeči ve scénářích s nízkými zdroji.

Rok
2023
Strany
227–234
Sborník
20th International Conference on Spoken Language Translation, IWSLT 2023 - Proceedings of the Conference
ISBN
978-1-959429-84-5
Vydavatel
Association for Computational Linguistics
Místo
Toronto (in-person and online)
DOI
10.18653/v1/2023.iwslt-1.19
EID Scopus
2-s2.0-85174940413
BibTeX 
@inproceedings{BUT185198,
  author="Santosh {Kesiraju} and Karel {Beneš} and Maksim {Tikhonov} and Jan {Černocký}",
  title="BUT Systems for IWSLT 2023 Marathi - Hindi Low Resource Speech Translation Task",
  booktitle="20th International Conference on Spoken Language Translation, IWSLT 2023 -  Proceedings of the Conference",
  year="2023",
  pages="227--234",
  publisher="Association for Computational Linguistics",
  address="Toronto (in-person and online)",
  doi="10.18653/v1/2023.iwslt-1.19",
  isbn="978-1-959429-84-5",
  url="https://aclanthology.org/2023.iwslt-1.19.pdf"
}
Nahoru