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
- Povey, D., Ghoshal, A., Boulianne, G., Burget, L., Glembek, O., Goel, N., ... & Veselý, K. (2011). The Kaldi speech recognition toolkit.
- Rabiner, L. R. (1989). A tutorial on hidden Markov models and selected applications in speech recognition. 77(2), 257-286.
- Baevski, A., et al. (2020). wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations.
- McAuliffe, M., et al. (2017). Montreal Forced Aligner: Trainable Text-Speech Alignment Using Kaldi.
- Bujard, B,. Nika, J., Bevilacqua F., Obin N.(2025) Learning Relationships Between Separate Audio Tracks for Creative Applications.
- 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
- Источники текстовых данных для каракалпакского языка:
- https://huggingface.co/datasets/bekan/karakalpak_corpus_v1_m