Исследователи представляют решение для автоматического распознавания речи (ASR) с открытым исходным кодом, предназначенное для оценки чтения детей на языке бамбара, что позволяет решить проблему отсутствия развитых инструментов для этого африканского языка. Система была создана в рамках сквозного процесса, включающего сбор полевых данных, создание бенчмарков, адаптацию модели и проверку в классе.
- Мобильное приложение собрало 55 часов сырых аудиозаписей чтения от 60 детей для создания публичного бенчмарка для оценки детского чтения на языке бамбара.
- Эксперименты по тонкой настройке сравнивали Soloni, адаптированную для языка бамбара ASR-рамку Fast-Conformer, с QuartzNet, компактной сверточной архитектурой ASR.
- Лучшая модель Soloni снизила Word Error Rate (WER) с 0.42 до 0.22 и Character Error Rate (CER) с 0.15 до 0.08, значительно превзойдя QuartzNet.
- Раздельный анализ выявил детей младше 10 лет как основной источник остаточных ошибок, что стимулировало целенаправленный сбор данных от более молодых читателей.
- Десять пробных занятий в классе подтвердили целесообразность дальнейшего использования приложения для оценки грамотности.
Работа предоставляет воспроизводимую основу для оценки грамотности в языках с малым объемом ресурсов и подчеркивает конкретные архитектурные преимущества и потребности в данных для улучшения производительности ASR на детской речи.