研究者らは、このアフリカ言語における開発されたツールの不足に対処するため、バマナ語での子供の読書力を評価するために設計されたオープンソースの自動音声認識（ASR）ソリューションを発表しました。本システムは、フィールドデータ収集、ベンチマーク構築、モデル適応、教室での検証を含むエンドツーエンドのプロセスを通じて構築されました。

  • モバイルアプリにより、バマナ語の子供読書力評価用の公開ベンチマークを作成するため、60人の子供から55時間の生の読み上げ音声が集められました。
  • 微調整実験では、バマナ語適応型Fast-Conformer ASRフレームワークであるSoloniと、コンパクトな畳み込みASRアーキテクチャであるQuartzNetが比較されました。
  • 最良のSoloniモデルは、単語誤り率（WER）を0.42から0.22に、文字誤り率（CER）を0.15から0.08に低減し、QuartzNetを大幅に上回る性能を示しました。
  • 分解された分析により、10歳未満の子供が残留エラーの主要な原因であることが特定され、年少の読者からの標的型データ収集の動機づけとなりました。
  • 10回の教室での試行が、識字評価におけるアプリケーションの継続的な使用を支えました。

本研究は、リソースが限られた言語における識字評価のための再現可能なフレームワークを提供し、子供音声に対するASR性能を向上させるための特定のアーキテクチャ上の利点とデータ要件を浮き彫りにしました。