レオナルド・ドゥアート (Leonardo Duart)、チアゴ・フォンセカ (Tiago Fonseca)、チアゴ・チャコン (Thiago Chacón) の研究チームは2026年8月26日(現地時間)、低リソース言語であるバニワ語の自動音声認識 (ASR) におけるWhisperモデルの適応に関する予備研究の結果をarXiv cs.CLで発表した。大規模な多言語基盤モデルがASR技術の性能向上に貢献する一方で、先住民族言語は音声リソースと技術の不足に直面している現状に対し、今回の研究はバニワ語でのASR性能の初期ベースラインを確立した。
ブラジル、コロンビア、ベネズエラで話されるアラワク語族の先住民族言語であるバニワ語を対象に、Whisper Smallモデルのファインチューニングが行われた。実験には、言語ドキュメンテーションプロジェクトから得られた手動で書き起こされた1,373件の録音データが使用された。このコーパスは約0.54時間の音声を含み、主に単独の単語と短い発話で構成されている。
モデルのファインチューニングは教師あり学習 (supervised learning) を用いて実施され、単語誤り率 (Word Error Rate: WER) および文字誤り率 (Character Error Rate: CER) を用いて評価された。最良モデルはWER 37.5%、CER 7.45%を達成した。この結果は、多言語基盤モデルが極めてリソースの少ない先住民族言語にも成功裏に適用可能であることを示している。
本研究は、バニワ語ASRの初期ベースラインを確立し、今後の研究のための基礎を提供する。これには、より大規模なデータセット、言語固有の適応戦略、および後処理技術の検討が含まれる。
参考: arXiv cs.CL — 2026年8月27日 02:29 (JST)
原文ハイライト"multilingual foundation models can be successfully adapted to extremely low-resource indigenous languages."