DonorRank: Donor Language Selection for Low-Resource Cross-Lingual Speech Recognition
Di cosa parla
DonorRank è un sistema che cerca di prevedere quali “lingue donatrici” sono più utili per costruire un riconoscimento della voce per lingue con pochi dati. Parte dal problema concreto che scegliere donatori è difficile quando il parlato è spontaneo, l’ortografia varia e le risorse sono distribuite in modo diseguale. Testato su insiemi di lingue dell’Asia meridionale e dell’Africa, predice buone classifiche di donatori e migliora la selezione rispetto a criteri semplici; mostra inoltre che la composizione del gruppo di donatori influisce sugli indizi linguistici utili e individua schemi pratici per il lavoro in contesti con poche risorse vocali.
Cosa permette di osservare
Consente di esplorare se conviene scegliere donatori in base alla vicinanza linguistica o alla quantità di risorse, e come la mescolanza di diverse lingue influenzi il risultato. Offre spunti pratici su come organizzare le lingue usate per trasferire modelli a comunità con poche registrazioni.
Dalla fonte
Low-resource automatic speech recognition (ASR) commonly relies on cross-lingual transfer, where models are adapted from higher-resource donor languages. However, selecting donors remains challenging for spontaneous speech from under-resourced language communities, due to linguistic variation, evolving orthographic conventions, and uneven resource availability. We present DonorRank, a learning-to-rank framework for predicting effective donor languages for zero-shot ASR. We evaluate DonorRank on two multilingual speech corpora of Indic and African language families. It accurately predicts donor language rankings and improves donor selection over common heuristics based on genetic similarity or high-resource languages. Beyond improving transfer, we show how DonorRank is a general framework for analyzing donor language selection itself. Our analyses show that the composition of the donor s…