ఈ సైట్‌లోని విషయాలు కృత్రిమ మేధస్సు (AI) లేదా యంత్ర అనువాద సాంకేతికత ఉపయోగించి అనువదించబడ్డాయి మరియు లోపాలు ఉండవచ్చు.

Skip to content
Speech & Audio

సమకాలీన వాక్కు అనువాదం కోసం కాల-అవగాహన నెట్‌వర్క్‌లతో రెగ్యులైజ్డ్ ఎంట్రోపీ సమాచార అనుసరణ

View Publication

Author

జోసెఫ్ లియు, నమీర్ హిర్ష్‌కిండ్, జియావో యు, మహేష్ కుమార్ నంద్వనా

Venue

ఇంటర్‌స్పీచ్ 2026

Abstract

సమకాలీన వాక్య భాషాంతరం (SimulST) అధిక అనువాద నాణ్యతను తక్కువ జాప్యంతో సమతుల్యం చేయవలసి ఉంటుంది. ఇటీవలి పరిశోధనలో REINA అనే పద్ధతిని పరిచయం చేశారు, ఇది మరింత ఆడియోను వినడం ద్వారా లభించే సమాచార లాభాన్ని అంచనా వేయడం ఆధారంగా ఒక రీడ్/రైట్ పాలసీని శిక్షణ ఇస్తుంది. అయితే, సమాచార-ఆధారిత పాలసీలకు తరచుగా కాలానుగుణ సందర్భం లోపించినట్లు మేము కనుగొన్నాము, ఇది వ్రాయడం ప్రారంభించే ముందు ఆడియోలో ఎక్కువ భాగాన్ని వినడానికి పాలసీని పక్షపాతంగా చేస్తుంది. మేము రెండు విభిన్న వ్యూహాలను ఉపయోగించి REINAను మెరుగుపరుస్తాము: ఒక సూపర్‌వైజ్డ్ అలైన్‌మెంట్ నెట్‌వర్క్ (REINA-SAN) మరియు ఒక టైమ్‌స్టెప్-ఆగ్మెంటెడ్ నెట్‌వర్క్ (REINA-TAN). మా ఫలితాలు ఏమిటంటే, రెండు పద్ధతులు బేస్‌లైన్‌ను గణనీయంగా అధిగమించి, స్థిరత్వ సమస్యలను పరిష్కరించినప్పటికీ, REINA-TAN స్ట్రీమింగ్ సామర్థ్యానికి కొద్దిగా మెరుగైన పారెటో ఫ్రాంటియర్‌ను అందిస్తుంది, అయితే REINA-SAN 'రీడ్ లూప్‌లకు' వ్యతిరేకంగా మరింత దృఢత్వాన్ని అందిస్తుంది. విస్పర్‌కు వర్తింపజేసినప్పుడు, రెండు పద్ధతులు నార్మలైజ్డ్ స్ట్రీమింగ్ ఎఫిషియన్సీ (NoSE) స్కోర్‌ల ద్వారా కొలవబడిన స్ట్రీమింగ్ సామర్థ్యం యొక్క పారెటో ఫ్రాంటియర్‌ను, ఇప్పటికే ఉన్న పోటీ బేస్‌లైన్‌ల కంటే 7.1% వరకు మెరుగుపరుస్తాయి.