Les chercheurs présentent une solution de reconnaissance automatique de la parole (ASR) open-source conçue pour évaluer la lecture des enfants en bambara, répondant au manque d'outils développés pour cette langue africaine. Le système a été construit par un processus de bout en bout impliquant la collecte de données sur le terrain, la construction de benchmarks, l'adaptation du modèle et la validation en classe.
- Une application mobile a collecté 55 heures de parole brute de lecture auprès de 60 enfants pour créer un benchmark public pour l'évaluation de la lecture des enfants en bambara.
- Des expériences de réglage fin ont comparé Soloni, un framework ASR Fast-Conformer adapté au bambara, à QuartzNet, une architecture ASR convolutionnelle compacte.
- Le meilleur modèle Soloni a réduit le taux d'erreur de mots (WER) de 0,42 à 0,22 et le taux d'erreur de caractères (CER) de 0,15 à 0,08, surpassant considérablement QuartzNet.
- Une analyse désagrégée a identifié les enfants de moins de 10 ans comme la principale source d'erreurs résiduelles, motivant une collecte de données ciblée auprès des jeunes lecteurs.
- Dix essais en classe ont soutenu l'utilisation continue de l'application pour l'évaluation de l'alphabétisation.
Ce travail fournit un cadre reproductible pour l'évaluation de l'alphabétisation dans les langues à ressources limitées et met en lumière des avantages architecturaux spécifiques et des besoins en données pour améliorer la performance ASR sur la parole enfantine.