沙丘社区
论文

为普诺盖丘亚语构建以社区为中心的 NLP 资源

Building Community-Centred NLP Resources for Puno Quechua

Elwin Huaman; Adrian Gamarra Lafuente; Johanna Cordova; Anna Korhonen
模型评测基准与评测资源

摘要

保护资源贫乏的语言需要由其使用者打造并为其服务的数字工具和资源。我们推出了第一个针对普诺盖丘亚语的专用 ASR 资源 (ISO 639-3: qxp)：(1) 任何单一盖丘亚语品种的最大语音语料库，包括通过参与式设计活动收集的 66 小时的脚本和自发语音录音（包括 36 小时的手动转录和验证数据）； (2) Puno Quechua 的第一个系统 ASR 基准，评估最先进的模型和 微调 Whisper-base、wav2vec2-base 和 XLS-R-300M，有或没有持续的 预训练 (CPT)； (3)所有数据集和微调模型的公开发布。