Improved Kazakh Named Entity Transcription Using Synthetic Speech

2025

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/ubmk67458.2025.11242232
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Named entity transcription remains a challenge for low-resource languages such as Kazakh, often causing errors in proper nouns, locations, and other named entities. This paper presents a fine-tuning approach using OpenAI’s Whisper model, KazakhTTS2 and KazEmoTTS text-to-speech models for synthetic speech generation, KazNERD, a named entity recognition dataset for Kazakh, and the Kazakh Speech Corpus as a source of real transcribed speech. Whisper was fine-tuned on a dataset with real speech from the Kazakh Speech Corpus and synthetic speech from KazNERD, generated using KazakhTTS2 and KazEmoTTS text-to-speech models. Additional synthetic data were created by modifying named entities in KazNERD sentences using ChatGPT before synthesis. Evaluation using word error rate, character error rate, and named entity word error rate shows improved named entity transcription while maintaining overall automatic speech recognition performance. This approach enhances Kazakh automatic speech recognition and provides a scalable method for named entity recognition in low-resource languages.