Auteur(s) :<\/strong> Dr. Ali Diop \u2014 Date :<\/strong> 2022-10-27 \u2014 Source :<\/strong> arXiv<\/p>\n La reconnaissance vocale automatique (ASR \u2013 Automatic Speech Recognition<\/em>) a connu des progr\u00e8s consid\u00e9rables au cours de la derni\u00e8re d\u00e9cennie gr\u00e2ce aux architectures d\u2019apprentissage profond et aux mod\u00e8les end-to-end. Malgr\u00e9 ces avanc\u00e9es, la plupart des langues africaines \u2014 repr\u00e9sentant plus de 2000 langues parl\u00e9es par pr\u00e8s d\u2019un milliard de locuteurs \u2014 demeurent sous\u2011repr\u00e9sent\u00e9es dans la recherche et les applications industrielles, en raison de la raret\u00e9 des donn\u00e9es annot\u00e9es, de la diversit\u00e9 linguistique, des ressources computationnelles limit\u00e9es et des d\u00e9fis sociolinguistiques uniques \u00e0 ces langues. Cet article pr\u00e9sente un \u00e9tat de l\u2019art de la reconnaissance vocale robuste appliqu\u00e9e aux langues africaines, discute des techniques modernes (multilinguisme, auto\u2011supervision, mod\u00e9lisation accentu\u00e9e), analyse les points forts et limites des approches existantes, et propose des directions futures pour r\u00e9duire les \u00e9carts entre les langues \u00e0 ressources abondantes et celles \u00e0 faibles ressources. ACL Anthology<\/span>+1<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n La reconnaissance vocale automatique (Automatic Speech Recognition \/ ASR<\/em>) est la technologie qui permet la conversion de la parole humaine en texte exploitable par des syst\u00e8mes informatiques. Elle constitue un pilier fondamental des interfaces vocales intelligentes modernes, des assistants vocaux aux syst\u00e8mes d\u2019accessibilit\u00e9 en passant par les applications \u00e9ducatives et m\u00e9dicales. Un syst\u00e8me ASR performant repose typiquement sur la disponibilit\u00e9 de trois composantes principales<\/strong> : des mod\u00e8les acoustiques, des mod\u00e8les de langage et des mod\u00e8les de prononciation, entra\u00een\u00e9s sur de vastes corpus annot\u00e9s. Wikip\u00e9dia<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n Cependant, l\u2019application de ces technologies aux langues africaines<\/strong> rencontre des obstacles particuliers :<\/p>\n P\u00e9nurie de donn\u00e9es annot\u00e9es<\/strong> : la plupart des langues africaines n\u2019ont pas de corpus vocaux de taille suffisante pour entra\u00eener des mod\u00e8les robustes. Wikip\u00e9dia<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Complexit\u00e9 linguistique<\/strong> : de nombreuses langues africaines sont tonales ou agglutinantes, avec des variations dialectales importantes qui compliquent la mod\u00e9lisation acoustique. ACL Anthology<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Infrastructure r\u00e9duite<\/strong> : acc\u00e8s limit\u00e9 aux ressources computationnelles avanc\u00e9es sur le continent. Way With Words<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n<\/ul>\n L\u2019un des principaux goulots d\u2019\u00e9tranglement pour ASR robuste dans les langues africaines est l\u2019insuffisance de grandes bases de donn\u00e9es annot\u00e9es<\/strong>, n\u00e9cessaires pour entra\u00eener des mod\u00e8les profonds. Certains projets r\u00e9cents se sont attaqu\u00e9s \u00e0 ce probl\u00e8me :<\/p>\n NaijaVoices<\/strong> : un corpus de 1800 heures avec plus de 5000 locuteurs pour des langues telles que l\u2019igbo, le haoussa et le yoruba, destin\u00e9 \u00e0 am\u00e9liorer les performances ASR pour des langues africaines sous\u2011repr\u00e9sent\u00e9es. arXiv<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Common Voice (Mozilla)<\/strong> : initiative collaborative pour collecter des enregistrements vocaux multilingues incluant quelques langues africaines, mais la couverture reste limit\u00e9e. Wikip\u00e9dia<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Projets locaux comme l\u2019enregistrement de r\u00e9cits en bambara pour cr\u00e9er un corpus bilingue exploitable. SOUBA<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n<\/ul>\n Face \u00e0 la raret\u00e9 de donn\u00e9es, plusieurs approches s\u2019appuient sur l\u2019apprentissage multilingue<\/strong> et les pr\u00e9\u2011entra\u00eenement auto\u2011supervis\u00e9s<\/strong> :<\/p>\n Des mod\u00e8les entra\u00een\u00e9s sur des donn\u00e9es combin\u00e9es de multiples langues africaines am\u00e9liorent les performances via le transfert d\u2019apprentissage. Google Research<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Les grands mod\u00e8les pr\u00e9\u2011entra\u00een\u00e9s en auto\u2011supervision (par exemple, architectures inspir\u00e9es de Wav2Vec2 ou de Whisper) ont montr\u00e9 des am\u00e9liorations notables m\u00eame avec peu de donn\u00e9es annot\u00e9es. Google Research<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n<\/ul>\n Une difficult\u00e9 suppl\u00e9mentaire est la variabilit\u00e9 phon\u00e9tique et tonale<\/strong> entre les dialectes d\u2019une m\u00eame langue. Le projet AccentFold<\/em> explore des repr\u00e9sentations d\u2019accents africains pour am\u00e9liorer l\u2019adaptation zero\u2011shot des mod\u00e8les \u00e0 des accents non vus durant l\u2019entra\u00eenement. arXiv<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n Quelques projets d\u00e9montrent des applications concr\u00e8tes de reconnaissance vocale pour langues africaines :<\/p>\n Un assistant vocal automatique en wolof<\/strong> d\u00e9velopp\u00e9 pour r\u00e9pondre \u00e0 des questions clients, avec un taux d\u2019erreur mots (WER) autour de 22\u202f%, illustrant les progr\u00e8s possibles. ACL Anthology<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n Initiatives open\u2011source pour des mod\u00e8les ASR en bambara<\/strong> adapt\u00e9s \u00e0 des contextes \u00e0 ressources limit\u00e9es. robotsmali.org<\/span><\/span><\/span><\/a><\/span><\/span><\/p>\n<\/li>\n<\/ul>\nR\u00e9sum\u00e9 (Abstract)<\/strong><\/h2>\n
\n1. Introduction<\/strong><\/h2>\n
\n
\n2. \u00c9tat de l\u2019art<\/strong><\/h2>\n
2.1. Donn\u00e9es Vocales et Ressources Linguistiques<\/strong><\/h3>\n
\n
2.2. Approches Multilingues et Auto\u2011supervis\u00e9es<\/strong><\/h3>\n
\n
2.3. Adaptation aux Variations Dialectales et Accents<\/strong><\/h3>\n
2.4. Applications Pilotes et Cas d\u2019usage<\/strong><\/h3>\n
\n
\n3. Analyse comparative des approches<\/strong><\/h2>\n