电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月27日
]
标题: 使用深度学习的《古兰经》学习者发音错误检测与纠正
标题: Automatic Pronunciation Error Detection and Correction of the Holy Quran's Learners Using Deep Learning
摘要: 评估口语语言具有挑战性,而为机器学习模型量化发音指标则更加困难。 然而,对于《古兰经》来说,这一任务由于穆斯林学者制定的严格诵读规则(塔吉维德)而变得简单,从而实现了高效的评估。 尽管有这一优势,高质量标注数据的稀缺仍然是一个重大障碍。 在本工作中,我们通过引入以下内容来弥补这些差距:(1) 一个98%自动化的管道以生成高质量的《古兰经》数据集——包括:从专家诵读者收集诵读内容,使用我们微调的wav2vec2-BERT模型在停顿点(瓦夫)进行分割,对片段进行转录,通过我们新颖的Tasmeea算法对转录内容进行验证;(2) 850多小时的音频(约30万条标注话语);(3) 一种基于自动语音识别(ASR)的发音错误检测新方法,利用我们自定义的《古兰经语音脚本》(QPS)来编码塔吉维德规则(与现代标准阿拉伯语的IPA标准不同)。 QPS使用两级脚本:(音素级):对阿拉伯字母进行长短元音编码。(属性级):对每个音素的发音特征进行编码。 我们进一步包含了全面的建模,我们的新型多级CTC模型在测试集上达到了0.16%的平均音素错误率(PER)。 我们已将所有代码、数据和模型作为开源发布:https://obadx.github.io/prepare-quran-dataset/
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.