शोधकर्ताओं ने बमबार में बच्चों की पढ़ने की क्षमता का आकलन करने के लिए एक ओपन-सोर्स ऑटोमैटिक स्पीच रिकग्निशन (ASR) समाधान प्रस्तुत किया है, जो इस अफ्रीकी भाषा के लिए विकसित उपकरणों की कमी को दूर करता है। सिस्टम का निर्माण फील्ड डेटा संग्रह, बेंचमार्क निर्माण, मॉडल अनुकूलन और कक्षा प्रमाणीकरण से युक्त एंड-टू-एंड प्रक्रिया के माध्यम से किया गया था।
- बमबार बाल-पठन आकलन के लिए एक सार्वजनिक बेंचमार्क बनाने हेतु 60 बच्चों से 55 घंटे का कच्चा पढ़ने का वॉयस डेटा एक मोबाइल ऐप द्वारा संग्रहित किया गया।
- फाइन-ट्यूनिंग प्रयोगों ने बमबार के अनुकूलित Fast-Conformer ASR फ्रेमवर्क Soloni और एक कॉम्पैक्ट कनवोल्यूशनल ASR आर्किटेक्चर QuartzNet की तुलना की।
- सर्वोत्तम Soloni मॉडल ने शब्द त्रुटि दर (WER) को 0.42 से घटाकर 0.22 और वर्ण त्रुटि दर (CER) को 0.15 से घटाकर 0.08 कर दिया, जिसने QuartzNet की तुलना में काफी बेहतर प्रदर्शन किया।
- विभक्त विश्लेषण ने 10 वर्ष से कम उम्र के बच्चों को अवशिष्ट त्रुटियों का मुख्य स्रोत पहचाना, जिससे छोटे पठकों से लक्षित डेटा संग्रह की प्रेरणा मिली।
- दस कक्षा परीक्षणों ने साक्षरता आकलन के लिए ऐप्लिकेशन के निरंतर उपयोग का समर्थन किया।
यह कार्य कम-संसाधन वाली भाषाओं में साक्षरता आकलन के लिए एक पुनरुत्पादनीय ढांचा प्रदान करता है और बाल वॉयस पर ASR प्रदर्शन को बेहतर बनाने के लिए विशिष्ट आर्किटेक्चर लाभों और डेटा आवश्यकताओं को उजागर करता है।