СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ WAVE2VEC И ТРАДИЦИОННЫХ МЕТОДОВ HMM ДЛЯ РАСПОЗНАВАНИЯ КАРАКАЛПАКСКОЙ РЕЧИ

Утеулиев Н. ., Кудайбергенов Ж. . & Кудайбергенов T. .


Annotatsiya

В данной статье проводится сравнительный анализ двух принципиально различных подходов к автоматическому распознаванию речи (Automatic Speech Recognition, ASR) применительно к низкоресурсному каракалпакскому языку: традиционного подхода на основе скрытых марковских моделей (Hidden Markov Models, HMM) и современного подхода на основе самоконтролируемого обучения с использованием архитектуры wav2vec 2.0. Исследование оценивает эффективность методов по критериям Word Error Rate (WER) и Letter Error Rate (LER) на специально собранном датасете каракалпакской речи. Результаты демонстрируют значительное превосходство модели wav2vec 2.0, дообученной на ограниченных данных, над GMM-HMM системой, что указывает на перспективность использования методов самообучения для задач ASR низкоресурсных языков.


Adabiyotlar

  1. Povey, D., Ghoshal, A., Boulianne, G., Burget, L., Glembek, O., Goel, N., ... & Veselý, K. (2011). The Kaldi speech recognition toolkit.
  2. Rabiner, L. R. (1989). A tutorial on hidden Markov models and selected applications in speech recognition. 77(2), 257-286.
  3. Baevski, A., et al. (2020). wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations.
  4. McAuliffe, M., et al. (2017). Montreal Forced Aligner: Trainable Text-Speech Alignment Using Kaldi.
  5. Bujard, B,. Nika, J., Bevilacqua F., Obin N.(2025) Learning Relationships Between Separate Audio Tracks for Creative Applications.
  6. Andrea M, Blandón C, Aldeneh Z, Chi J, Seyssel M (2019)Leveraging Audio-Visual Data to Reduce the Multilingual Gap in Self-Supervised Speech Models
  7. Источники текстовых данных для каракалпакского языка:
  8. https://huggingface.co/datasets/bekan/karakalpak_corpus_v1_m