WHISTRESS: Обогащение транскрипций с помощью определения ударений в предложениях
WHISTRESS: Enriching Transcriptions with Sentence Stress Detection
May 25, 2025
Авторы: Iddo Yosha, Dorin Shteyman, Yossi Adi
cs.AI
Аннотация
Устная речь передает смысл не только через слова, но и через интонацию, эмоции и акценты. Смысловое ударение, то есть выделение определенных слов в предложении, играет ключевую роль в передаче намерений говорящего и широко изучается в лингвистике. В данной работе мы представляем WHISTRESS — подход, не требующий выравнивания, для улучшения систем транскрипции с возможностью обнаружения смыслового ударения. Для поддержки этой задачи мы предлагаем TINYSTRESS-15K — масштабируемые синтетические данные для обучения, созданные в полностью автоматизированном процессе. Мы обучаем WHISTRESS на TINYSTRESS-15K и сравниваем его с несколькими конкурентоспособными базовыми методами. Наши результаты показывают, что WHISTRESS превосходит существующие подходы, при этом не требуя дополнительных входных данных на этапах обучения или вывода. Примечательно, что, несмотря на обучение на синтетических данных, WHISTRESS демонстрирует сильную способность к обобщению в условиях нулевого сдвига на различных тестовых наборах. Страница проекта: https://pages.cs.huji.ac.il/adiyoss-lab/whistress.
English
Spoken language conveys meaning not only through words but also through
intonation, emotion, and emphasis. Sentence stress, the emphasis placed on
specific words within a sentence, is crucial for conveying speaker intent and
has been extensively studied in linguistics. In this work, we introduce
WHISTRESS, an alignment-free approach for enhancing transcription systems with
sentence stress detection. To support this task, we propose TINYSTRESS-15K, a
scalable, synthetic training data for the task of sentence stress detection
which resulted from a fully automated dataset creation process. We train
WHISTRESS on TINYSTRESS-15K and evaluate it against several competitive
baselines. Our results show that WHISTRESS outperforms existing methods while
requiring no additional input priors during training or inference. Notably,
despite being trained on synthetic data, WHISTRESS demonstrates strong
zero-shot generalization across diverse benchmarks. Project page:
https://pages.cs.huji.ac.il/adiyoss-lab/whistress.Summary
AI-Generated Summary