研究人员提出了一种开源自动语音识别（ASR）解决方案，旨在评估班巴拉语中的儿童阅读能力，以解决针对这种非洲语言缺乏成熟工具的问题。该系统通过端到端流程构建，包括实地数据采集、基准测试构建、模型适配以及课堂验证。

  • 一款移动应用收集了60名儿童的55小时原始朗读语音数据，创建了用于班巴拉语儿童阅读评估的公开基准数据集。
  • 微调实验比较了Soloni（一种适配班巴拉语的Fast-Conformer ASR框架）与QuartzNet（一种紧凑型卷积式ASR架构）。
  • 最佳的Soloni模型将词错误率（WER）从0.42降低至0.22，将字符错误率（CER）从0.15降低至0.08，显著优于QuartzNet。
  • 细分分析显示，10岁以下儿童是残余错误的主要来源，这促使针对更年轻读者开展定向数据采集。
  • 十次课堂试验支持继续将该应用用于读写能力评估。

这项工作为低资源语言的读写能力评估提供了可复现的框架，并突出了改进ASR在儿童语音上性能所需的特定架构优势与数据需求。