{"id":1696,"date":"2022-09-04T03:44:31","date_gmt":"2022-09-04T01:44:31","guid":{"rendered":"https:\/\/www.systransoft.com\/papers\/incidunt-quia-magni-ab\/"},"modified":"2023-11-16T18:22:18","modified_gmt":"2023-11-16T17:22:18","slug":"incidunt-quia-magni-ab","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/es\/recursos\/papers-and-publications\/incidunt-quia-magni-ab\/","title":{"rendered":"Traducci\u00f3n robusta de transcripciones de habla en vivo en franc\u00e9s"},"content":{"rendered":"A pesar de una brecha de rendimiento reducida con enfoques directos, las soluciones en cascada, que involucran el reconocimiento autom\u00e1tico de voz (ASR) y la traducci\u00f3n autom\u00e1tica (MT) todav\u00eda se emplean en gran medida en la traducci\u00f3n de voz (ST). Los enfoques directos que emplean un \u00fanico modelo para traducir la se\u00f1al de voz de entrada sufren el cuello de botella cr\u00edtico de la escasez de datos. Adem\u00e1s, varias aplicaciones industriales muestran transcripciones de voz junto con traducciones, lo que hace que los enfoques en cascada sean m\u00e1s realistas y pr\u00e1cticos. En el contexto del ST simult\u00e1neo en cascada, proponemos varias soluciones para adaptar una red neuronal MT para tomar como entrada las transcripciones emitidas por un sistema ASR. La adaptaci\u00f3n se logra enriqueciendo las transcripciones de voz y los conjuntos de datos MT para que se asemejen m\u00e1s entre s\u00ed, mejorando as\u00ed la robustez del sistema a la propagaci\u00f3n de errores y mejorando la legibilidad de los resultados para los humanos. Abordamos aspectos como l\u00edmites de oraciones, capitalizaci\u00f3n, puntuaci\u00f3n, vacilaciones, repeticiones, hom\u00f3fonos, etc., teniendo en cuenta el requisito de baja latencia de los sistemas ST simult\u00e1neos.","protected":false},"excerpt":{"rendered":"<p>A pesar de la reducci\u00f3n de la brecha de rendimiento con los enfoques directos, las soluciones en cascada, que implican el reconocimiento autom\u00e1tico de voz (ASR) y la traducci\u00f3n autom\u00e1tica (MT) todav\u00eda se emplean en gran medida en la traducci\u00f3n de voz (ST). Los enfoques directos que emplean un \u00fanico modelo para traducir la se\u00f1al de entrada de voz sufren del cuello de botella cr\u00edtico de la escasez de datos. Adem\u00e1s, m\u00faltiples aplicaciones de la industria muestran transcripciones de voz ... <a href=\"https:\/\/www.systransoft.com\/es\/recursos\/papers-and-publications\/incidunt-quia-magni-ab\/\">Continuaci\u00f3n<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-1696","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper\/1696","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/media?parent=1696"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}