Constitution d'un corpus de traduction de la parole : augmentation du corpus LibriSpeech

Résumé : Il existe des corpus parallèles en grande quantité tels que Europarl, OpenSubtitles, etc. pour les systèmes de traduction automatique. Toutefois, dans le domaine de la traduction automatique de la parole, le nombre de corpus disponibles est très restreint. Dans ce mémoire de recherche, nous nous sommes intéressés à la constitution d’un corpus réel de grande taille (236h) pour les systèmes de traduction automatique de la parole à partir du corpus LibriSpeech. Tout d'abord, nous avons récupéré les livres électroniques français correspondant aux livres audios présents dans LibriSpeech en anglais. Ensuite, après avoir aligné les œuvres en français avec les œuvres en anglais correspondantes, nous avons également aligné les segments de paroles des livres audio avec les livres électroniques en anglais, au niveau de la phrase (utterance). Ceci nous a permis d’obtenir l’alignement des segments de parole avec la traduction du texte original en français. Finalement, nous avons évalué manuellement 200 alignements et avons ajouté des scores de correspondance entre les transcriptions et les traductions pour trier le corpus en fonction de ces scores.
Type de document :
Mémoires
Sciences de l'Homme et Société. 2017
Liste complète des métadonnées

Littérature citée [23 références]  Voir  Masquer  Télécharger

https://dumas.ccsd.cnrs.fr/dumas-01712400
Contributeur : Uga - Bulles <>
Soumis le : lundi 19 février 2018 - 14:37:21
Dernière modification le : lundi 29 octobre 2018 - 23:07:25
Document(s) archivé(s) le : lundi 7 mai 2018 - 00:37:13

Fichier

KOCABIYIKOGLU Ali Can M2 IDL.p...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : dumas-01712400, version 1

Citation

Ali Kocabıyıkoğlu. Constitution d'un corpus de traduction de la parole : augmentation du corpus LibriSpeech. Sciences de l'Homme et Société. 2017. 〈dumas-01712400〉

Partager

Métriques

Consultations de la notice

73

Téléchargements de fichiers

44