Investigación / Recoñecemento de voz robusto e busca na fala / [12]
ALBAYZIN 2020: buscar na fala en español por texto e por exemplo
The Multi-Domain International Search on Speech 2020 ALBAYZIN Evaluation: Overview, Systems, Results, Discussion and Post-Evaluation Analyses. Applied Sciences, 2021.
A primeira avaliación internacional aberta e multidominio da busca na fala en español que inclúe tanto a detección de termos falados como a consulta por exemplo. Os resultados deixan unha clara marxe de mellora e dependen moito do dominio dos datos.
Dúas formas de buscar na fala
A busca na fala abrangue dúas tarefas relacionadas. Na detección de termos falados, a consulta é texto escrito. Na consulta por exemplo, a consulta é en si mesma un fragmento de audio. En ambas, un sistema devolve os ficheiros que conteñen a consulta, os tempos de inicio e de fin e unha puntuación de canto de probable é a detección.
A avaliación
ALBAYZIN 2020 é a primeira avaliación internacional aberta e multidominio en español que inclúe as dúas tarefas. Empregou tres bases de datos: MAVIR, charlas de xornadas; RTVE, programas informativos de televisión; e SPARL20, sesións do Parlamento español.
O artigo describe a avaliación, as bases de datos, a métrica e os sistemas presentados, e presenta os resultados con análises por tipo de consulta: dentro ou fóra do vocabulario, dunha palabra ou de varias, nativa ou estranxeira.
Que destacou
As propostas máis novidosas foron unha técnica de aumento de datos para a detección de termos falados e un sistema de extremo a extremo para a consulta por exemplo. En conxunto, os resultados mostran unha clara marxe de mellora, e o rendemento é moi sensible a un cambio de dominio dos datos.
Por que importa
Dá continuidade á avaliación de 2018 cun novo dominio e unha segunda tarefa, de modo que o progreso da busca na fala en español pode seguirse edición tras edición.
Citar
Tejedor J., Toledano D.T., Ramírez J.M., Montalvo A.R., Álvarez-Trejos J.I. The Multi-Domain International Search on Speech 2020 ALBAYZIN Evaluation: Overview, Systems, Results, Discussion and Post-Evaluation Analyses. Applied Sciences, 2021.