LLM-gestützte Umwandlung von Graphemen in Phoneme: Benchmark und Fallstudie

LLM-Powered Grapheme-to-Phoneme Conversion: Benchmark and Case Study

September 13, 2024

Autoren: Mahta Fetrat Qharabagh, Zahra Dehghanian, Hamid R. Rabiee

cs.AI

Zusammenfassung

Die Umwandlung von Graphemen in Phoneme (G2P) ist entscheidend in der Sprachverarbeitung, insbesondere für Anwendungen wie die Sprachsynthese. G2P-Systeme müssen über linguistisches Verständnis und kontextuelles Bewusstsein von Sprachen mit Polyphon-Wörtern und kontextabhängigen Phonemen verfügen. Große Sprachmodelle (LLMs) haben kürzlich ein signifikantes Potenzial in verschiedenen Sprachaufgaben gezeigt, was darauf hindeutet, dass ihr phonetisches Wissen für G2P genutzt werden könnte. In dieser Arbeit bewerten wir die Leistung von LLMs in der G2P-Umwandlung und stellen Prompting- und Post-Processing-Methoden vor, die die LLM-Ausgaben verbessern, ohne zusätzliches Training oder annotierte Daten. Wir präsentieren auch einen Benchmark-Datensatz, der entwickelt wurde, um die G2P-Leistung bei satzebene phonetischen Herausforderungen der persischen Sprache zu bewerten. Unsere Ergebnisse zeigen, dass LLMs durch die Anwendung der vorgeschlagenen Methoden sogar in einer unterrepräsentierten Sprache wie Persisch traditionelle G2P-Tools übertreffen können, was das Potenzial der Entwicklung von LLM-unterstützten G2P-Systemen verdeutlicht.

English

Grapheme-to-phoneme (G2P) conversion is critical in speech processing, particularly for applications like speech synthesis. G2P systems must possess linguistic understanding and contextual awareness of languages with polyphone words and context-dependent phonemes. Large language models (LLMs) have recently demonstrated significant potential in various language tasks, suggesting that their phonetic knowledge could be leveraged for G2P. In this paper, we evaluate the performance of LLMs in G2P conversion and introduce prompting and post-processing methods that enhance LLM outputs without additional training or labeled data. We also present a benchmarking dataset designed to assess G2P performance on sentence-level phonetic challenges of the Persian language. Our results show that by applying the proposed methods, LLMs can outperform traditional G2P tools, even in an underrepresented language like Persian, highlighting the potential of developing LLM-aided G2P systems.