Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras

Detalhes bibliográficos
Autor(a) principal: Azevedo, Diego Marques de
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/47828
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
id UNB_6ac1e3d329fe3908f16cd0386ef83ab9
oai_identifier_str oai:repositorio.unb.br:10482/47828
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileirasReconhecimento automático da vozRedes neurais (Computação)Reconhecimento automático da voz - sistemasTranscriçãoModelos lineares generalizadosSoftware proprietárioDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.Com o uso de tecnologias baseadas em redes neurais artificiais, os sistemas de Reconhecimento Automático de Fala (do inglês, Automatic Speech Recognition – ASR) para o Português Brasileiro (PB) têm apresentado importantes avanços nos últimos anos. Muitos dos trabalhos que alcançaram resultados no estado da arte utilizaram modelos de pontaa-ponta de código aberto, como o Wav2vec 2.0 e o Whisper. Dentre outras alternativas, estão as ferramentas comerciais, também avaliadas em nosso trabalho. Foram incluídas no estudo as APIs do Google e da Microsoft para a transcrição da fala em texto e também o sistema da VoiceInteraction, chamado Audimus. Nós analisamos o desempenho relativo dessas ferramentas – utilizando como métrica o Word Error Rate (WER) – sobre a transcrição de áudios gravados de rádios e canais de TV. Um modelo linear generalizado (do inglês, Generalized Linear Model – GLM) foi criado para descrever de forma estocástica, para cada método em questão, o relacionamento entre as propriedades dos áudios utilizados no experimento (exemplo, formato do arquivo e duração do áudio) e a acurácia da transcrição. Dentre outros usos, essa estratégia permite a análise local da performance de cada método, sendo possível estimar o desempenho esperado para cada áudio. Assim, é possível identificar não apenas a ferramenta com melhor performance global, mas também diagnosticar em quais tipos de áudio cada método teria o melhor desempenho. Essa abordagem possibilita a construção de sistemas ASR otimizados a partir do uso composto de diversos transcritores. Os dados gerados e o código utilizado para construção do modelo estocástico neste experimento estão publicamente disponíveis.With the use of neural network-based technologies, Automatic Speech Recognition (ASR) systems for Brazilian Portuguese (BP) have shown great progress in the last few years. Several state-of-art results were achieved by open-source end-to-end models, such as the Kaldi toolkit, the Wav2vec 2.0 and the Whisper. Alternative commercial tools are also available, including the Google and Microsoft speech to text APIs and the Audimus System of VoiceInteraction. We analyse the relative performance of such tools – in terms of the so-called Word Error Rate (WER) – when transcribing audio recordings from Brazilian radio and TV channels. A generalized linear model (GLM) is designed to stochastically describe the relationship between some of the audio’s properties (e.g. file format and audio duration) and the resulting WER, for each method under consideration. Among other uses, such strategy enables the analysis of local performances, indicating not only which tool shows the best overall performance, but when exactly it is expected to do so. This, in turn, could be used to design an optimized system composed of several transcribers. The data generated for conducting this experiment and the scripts used to produce the stochastic model are publicly available.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalRodrigues, Guilherme SouzaLadeira, MarceloAzevedo, Diego Marques de2024-02-21T21:36:22Z2024-02-21T21:36:22Z2024-02-212023-03-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfAZEVEDO, Diego Marques de. Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras. 2023. xii, 34 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/47828porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-02-21T21:36:22Zoai:repositorio.unb.br:10482/47828Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-02-21T21:36:22Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
title Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
spellingShingle Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
Azevedo, Diego Marques de
Reconhecimento automático da voz
Redes neurais (Computação)
Reconhecimento automático da voz - sistemas
Transcrição
Modelos lineares generalizados
Software proprietário
title_short Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
title_full Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
title_fullStr Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
title_full_unstemmed Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
title_sort Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras
author Azevedo, Diego Marques de
author_facet Azevedo, Diego Marques de
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Guilherme Souza
Ladeira, Marcelo
dc.contributor.author.fl_str_mv Azevedo, Diego Marques de
dc.subject.por.fl_str_mv Reconhecimento automático da voz
Redes neurais (Computação)
Reconhecimento automático da voz - sistemas
Transcrição
Modelos lineares generalizados
Software proprietário
topic Reconhecimento automático da voz
Redes neurais (Computação)
Reconhecimento automático da voz - sistemas
Transcrição
Modelos lineares generalizados
Software proprietário
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-03-03
2024-02-21T21:36:22Z
2024-02-21T21:36:22Z
2024-02-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv AZEVEDO, Diego Marques de. Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras. 2023. xii, 34 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2023.
http://repositorio2.unb.br/jspui/handle/10482/47828
identifier_str_mv AZEVEDO, Diego Marques de. Uma análise probabilística do desempenho de sistemas ASR para rádios e tvs brasileiras. 2023. xii, 34 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/47828
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580673673560064

Registros relacionados