44、阿拉伯语自动语音识别与机器翻译挑战及应对策略

阿拉伯语自动语音识别与机器翻译挑战及应对策略

1. 阿拉伯语自动语音识别面临的挑战

阿拉伯语在自动语音识别（ASR）和机器翻译领域带来了独特挑战，主要体现在书写系统、方言差异和形态复杂性三个方面。

1.1 书写系统与声学及发音建模

阿拉伯语使用基于字母的文字系统，包含 28 个字母，其中 25 个代表辅音，3 个代表长元音 /i:/、/a:/ 和 /u:/。字母形状会因在单词中的位置不同而有多达四种变化。短元音由变音符号标注，这些符号置于辅音上方或下方。变音符号还用于标记其他发音现象，如辅音双写（用“shadda”符号表示）、元音缺失（用“sukuun”表示）以及词尾的“tanween”（发音时加 /n/）。

文本通常不标注变音符号，这导致语音识别训练数据大多缺乏变音信息，因为手动标注变音符号既容易出错又耗时。尽管阿拉伯语语音识别器通常输出无变音形式，但研究表明，在系统内部对变音符号传达的语音信息进行建模可提高识别性能。

为解决这一问题，常用方法是自动识别每个无变音基础形式的正确变音形式，并使用变音后的训练数据进行声学模型训练。Buckwalter 形态分析器常被用于此，它能提供阿拉伯语单词的所有可能形态分析和变音形式。通过对语音信号和包含 Buckwalter 变体的训练转录进行强制对齐，可将所选变体纳入发音词典。然而，约 5 - 10% 的单词因拼写错误或方言原因无法处理，不同系统处理方式不同：
- IBM 系统（Soltau 等人，2007）退回到无元音形式。
- Lamel 等人（LIMSI）将 Buckwalter 分析器无法处理的形式扩展为包含单个通用短元音或在每个可能位置都无元音，避免了预测精确元音化的