DiscoPhon: 離散音声単位を用いた音素在庫の教師なし発見をベンチマークする

概要: DiscoPhonを紹介します。DiscoPhonは、離散音声単位からの教師なし音素発見を評価する多言語ベンチマークです。DiscoPhonは6つの開発用言語と6つのテスト言語を対象としており、音韻対立の幅広い範囲をカバーするよう選定されています。これまでに見たことのない言語の音声がわずか10時間しか与えられていない場合、システムは事前に定義された音素在庫へマッピングされる離散単位を出力する必要があり、割り当ては多対一または一対一のいずれかで行われます。得られた系列は、単位の品質、認識およびセグメンテーションについて評価されます。私たちは4つの事前学習済みの多言語HuBERTおよびSpidRのベースラインを提供し、派生した単位が音素と良く相関する程度には現在のモデルで音韻情報が十分に利用可能であることを示しますが、言語間でばらつきがあります。