Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

KIT's Low-resource Speech Translation Systems for IWSLT2025: System Enhancement with Synthetic Data and Model Regularization

Created by
  • Haebom

저자

Zhaolin Li, Yining Liu, Danni Liu, Tuan Nam Nguyen, Enes Yavuz Ugan, Tu Anh Dinh, Carlos Mullov, Alexander Waibel, Jan Niehues

개요

본 논문은 IWSLT 2025 저자원 언어번역 대회에 제출된 카이저슬라우테른 공과대학교(KIT)의 시스템을 소개한다. Bemba어, 북 레반트 아랍어, 튀니지 아랍어에서 영어로의 번역을 위해 자동 음성 인식(ASR)과 기계 번역(MT) 모델로 구성된 계단식 시스템과 종단간(E2E) 음성 번역(ST) 시스템을 개발하였다. 사전 훈련된 모델을 기반으로 자원을 효율적으로 활용하기 위한 다양한 전략을 사용하여 시스템을 미세 조정하였다. 합성 데이터와 모델 규제를 통한 시스템 성능 향상을 추가적으로 연구하였으며, MT 모델을 사용하여 ASR 데이터에서 번역을 생성하는 MT-augmented ST를 조사하였다. 특히 병렬 ST 훈련 데이터가 부족한 북 레반트 아랍어의 경우, 합성 데이터로만 훈련된 시스템이 실제 데이터로 훈련된 계단식 시스템보다 약간 더 나은 성능을 보였다. 또한, MT 데이터에서 합성 음성을 생성하는 음성 합성 모델을 사용한 증강을 통해 Bemba어의 ASR 및 ST 성능 향상에 합성 데이터의 이점을 보여주었다. 모델 성능 향상을 위해 intra-distillation을 적용하였으며, 이 방법이 ASR, MT, ST 작업과 다양한 사전 훈련된 모델에서 일관되게 결과를 향상시키는 것을 보였다. 마지막으로, 최소 베이즈 위험 디코딩을 적용하여 계단식 및 종단간 시스템을 결합하여 약 1.5 BLEU 포인트의 성능 향상을 달성하였다.

시사점, 한계점

시사점:
저자원 언어에 대한 효율적인 음성 번역 시스템 구축 전략 제시 (합성 데이터 활용, 모델 규제, intra-distillation 등)
MT-augmented ST 및 음성 합성 기반 데이터 증강의 효과 입증
계단식 및 종단간 시스템 결합을 통한 성능 향상 가능성 제시
다양한 저자원 언어에 대한 실험 결과 제공 (Bemba어, 북 레반트 아랍어, 튀니지 아랍어)
한계점:
특정 언어 쌍에 대한 결과만 제시되어 일반화 가능성에 대한 추가 연구 필요
사용된 합성 데이터의 질과 양에 따른 성능 변화에 대한 분석 부족
intra-distillation 기법의 적용에 대한 상세한 설명 부족
최소 베이즈 위험 디코딩의 구체적인 방법론에 대한 설명 부족
👍