Transfer lintas-bahasa dari Sinhala meningkatkan ASR Dhivehi

Sebuah penelitian menyelidiki penggunaan pembelajaran transfer lintas-bahasa dari Sinhala untuk meningkatkan pengenalan suara otomatis (ASR) untuk Dhivehi yang kurang sumber daya. Para peneliti melakukan tujuh belas eksperimen di lima paradigma, termasuk baseline dan penyetelan halus multibahasa.

• Sistem terkuat menggunakan pra-pelatihan berkelanjutan pada Sinhala diikuti dengan penyetelan halus pada Dhivehi dengan KenLM.
• Pendekatan ini mencapai tingkat kesalahan kata (WER) 12,89% dan tingkat kesalahan karakter (CER) 2,70%.
• Ini mengungguli baseline hanya-Dhivehi sebesar WER 13,50% dan CER 3,02%.
• Kontrol Turki mengonfirmasi bahwa peningkatan berasal dari keterkaitan linguistik daripada adaptasi umum.

Hasilnya menunjukkan bahwa pembelajaran transfer dari bahasa yang berkaitan secara linguistik secara signifikan meningkatkan kinerja ASR sumber daya rendah ketika digabungkan dengan konfigurasi dekoding yang tepat.