著者らは、スリ・グル・グランサ・サヒブ・ジの節の継続的な歌唱朗読を含む、シク教徒のキルタンのライブ字幕付けのためのベンチマークとリファレンスシステムを発表します。オープンボキャブラリトランスクリプションとは異なり、このタスクでは宗教的に不適切な誤記を避けるために、正典聖書からの正確な単語ごとの一致が必要です。

  • ベンチマークv1は、4つの手動注釈付き録音と3つのコールドスタートオフセットから派生した12の評価ケースを含み、合計で約57分のスコアリング済みオーディオになります。
  • 微調整された120MのIndicConformerを使用したリファレンスシステムは、最も困難なライブブラインドバリアントで全体的なフレーム精度57.9%を達成し、1つのApple SiliconコアでRTFが約0.05です。
  • スコアリング方法は、1秒の解像度と1秒のコラーを使用してフレーム精度を計算し、ギャップ許容スコアリングにより、このタスクの特定の表示精度ニーズに対応します。

ベンチマーク、リファレンスシステム、およびライブデプロイメントは、この専門分野におけるさらなる改善を促進するために寛容なライセンスの下でリリースされています。