研究は、低資源のディベヒ語における自動音声認識（ASR）を向上させるために、シンハラ語からの異言語転移学習を使用する調査を行っています。研究者たちは、ベースラインや多言語ファインチューニングを含む5つのパラダイムにわたって17の実験を実施しました。

  • 最も強力なシステムは、シンハラ語での継続的プリトレーニングに続き、KenLMを用いてディベヒ語でファインチューニングを行いました。
  • このアプローチにより、単語誤り率（WER）が12.89%、文字誤り率（CER）が2.70%となりました。
  • ディベヒ語のみのベースラインと比較して、WERが13.50%、CERが3.02%改善しました。
  • トルコ語による制御実験により、この改善は一般的な適応ではなく言語的な関連性に基づくものであることが確認されました。

これらの結果は、言語的に近い言語からの転移学習が、適切なデコーディング構成と組み合わせることで、低資源ASRのパフォーマンスを大幅に向上させることを示しています。