Enhancing Automatic Speech Recognition of a Regional Dialect: A Pilot Study with Québécois French
Notice bibliographique
Résumé
Automatic speech recognition (ASR) technologies have advanced in recent years, but performance still varies for underrepresented low-resource testing conditions. This proof-of-concept study examined the speech transcription performance of a state-of-the-art multilingual ASR system, Whisper, for Québécois French (QF). Due to the low-resource nature of QF, we developed a semi-automated pipeline for creating machine-learning-ready, well-aligned speech-text corpora from the Web. We created a data set of 2.5 hours from in total 83 speakers, covering various common topics. Using this data set, we measured the zero-shot Word Error Rate (WER) of Whisper’s base-size model (74M parameters) and small-size model (244M parameters). We found substantial performance gaps between its QF zero-shot WER and its published French WER on standardized benchmarks, motivating us to fine-tune Whisper for QF. Whisper was trained with the large-scale weak supervision method, and it has been reported to have high robustness, suitable as a pre-trained model. We maintained all the pre-trained weights in the encoder blocks and only unfroze the decoder blocks for retraining, resulting in 52M trainable parameters for the base-size model and 153M trainable parameters for the small-size model. A reduction of WER was seen after fine-tuning for both sizes; the fine-tuned small-size model achieved an average WER of 19.5%, approaching Whisper’s performance on the standard, well-represented French dialect. Our study showcased a promising initial approach in leveraging Whisper as a pre-trained model for targeted adaptive applications, particularly in the context of regional dialects, even with limited resources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».