Conversione grafema-fonema potenziata da LLM: Benchmark e Studio di Caso

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

September 13, 2024

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

cs.AI

Abstract

La conversione grafema-fonema (G2P) è fondamentale nel trattamento del linguaggio parlato, in particolare per applicazioni come la sintesi vocale. I sistemi G2P devono possedere una comprensione linguistica e consapevolezza contestuale delle lingue con parole polifoniche e fonemi dipendenti dal contesto. I grandi modelli linguistici (LLM) hanno recentemente dimostrato un significativo potenziale in varie attività linguistiche, suggerendo che la loro conoscenza fonetica potrebbe essere sfruttata per la G2P. In questo articolo, valutiamo le prestazioni dei LLM nella conversione G2P e introduciamo metodi di sollecitazione e post-elaborazione che migliorano le uscite dei LLM senza ulteriore addestramento o dati annotati. Presentiamo inoltre un dataset di benchmark progettato per valutare le prestazioni G2P sulle sfide fonetiche a livello di frase della lingua persiana. I nostri risultati mostrano che applicando i metodi proposti, i LLM possono superare gli strumenti G2P tradizionali, anche in una lingua poco rappresentata come il persiano, evidenziando il potenziale dello sviluppo di sistemi G2P assistiti dai LLM.

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.