arXiv cs.CL· Rodrigo de Freitas Lima, Julio Cesar Galdino, Marcos Vinicius Treviso·· 14 小时前AI 评分20
SAMPA：基于 Transformer 的巴西葡萄牙语韵律边界分割
SAMPA: Transformer-based segmentation of prosodic boundaries in Brazilian Portuguese
AI 导读
SAMPA 是一个基于 Whisper 的分割器，在转写巴西葡萄牙语语音的同时插入终止性韵律边界标记。研究在 NURC-Sampa 数据集上微调 Whisper large-v3，无测试时过滤的最佳模型在留出测试集上 f1 binary 达 0.730，在 MuPe-Diversidades 分布外测试上达 0.793，优于开箱即用的 Whisper 基线和重训的基于特征分类器。
正文 · AI 翻译
摘要：自动韵律切分基于声学和语言学证据识别语音单元之间的边界。尽管近期的深度学习方法在英语上取得了强劲的结果，但巴西葡萄牙语（BP）的自动切分仍主要依赖基于规则或传统机器学习方法。本文提出 SAMPA，一种基于 Whisper 的切分器，它在转写 BP 语音的同时为终端韵律边界插入显式标记。我们在 NURC-Sampa 数据集的人工切分录音上微调 Whisper large-v3，并评估不同的训练和测试时过滤配置，包括在 MuPe-Diversidades 数据集上的分布外测试。在不进行测试时过滤的情况下，最佳模型在留出测试集上达到 0.730 的 f1 binary，在 MuPe-Diversidades 上达到 0.793，优于开箱即用的 Whisper 基线和重新训练的基于特征的分类器。最后，n-gram 和声学-视觉分析提供了定性观察，有助于解释模型的预测，并就可能影响其边界决策的语言学和韵律线索提出假设。
| 评论： | 11 页，2 幅图，已提交至国际会议 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.07408 [cs.CL] |
| （或 arXiv:2607.07408v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.07408 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Rodrigo De Freitas Lima [查看电子邮件]
[v1]
2026 年 7 月 8 日星期三 13:41:43 UTC（886 KB）
[v2]
2026 年 7 月 13 日星期一 16:03:28 UTC（886 KB）
[v3]
2026 年 10 月 23 日星期五 21:39:37 UTC（838 KB）
来源：arXiv cs.CL · arxiv.org