指标:

• 词错误率(WER)
• 字符错误率(CER) 库名称: transformers 管道标签: 自动语音识别 标签:
• 克里特方言
• 希腊方言

克里特XLS-R语音识别模型

克里特方言是现代希腊语的一种变体，主要使用者为克里特岛居民及克里特侨民群体。这包括1923年希土人口交换后迁居叙利亚哈米迪耶村和小亚细亚西部的克里特裔社区。该方言的形成与保存受到历史地理因素影响：克里特岛长期与大陆隔离，以及阿拉伯人、威尼斯人和土耳其人长达七个世纪的相继统治。根据音系、语音、形态和词汇特征，克里特方言可分为西部和东部两大分支，其分界线与雷西姆农和伊拉克利翁的行政区划重合。Kontosopoulos(2008)指出东部方言比西部更具同质性，后者在语言分析的各个层面都表现出更多变体。与其他现代希腊方言不同，克里特方言并未面临消亡威胁，仍是岛上许多地区居民的主要交流工具。

这是首个针对克里特方言的自动语音识别(ASR)模型。我们基于希腊语XLS-R模型(jonatasgrosman/wav2vec2-large-xlsr-53-greek)进行微调训练。

数据资源

在克里特伊拉克利翁Vikelaia市立图书馆音像部授权下，我们收集了32盘数字化广播录音带。这些1998-2001年间由伊拉克利翁Messara地区Radio Mires电台录制的广播节目总时长958分47秒，主要为本地语言学家Ioannis Anagnostakis用当地方言讲述的民俗故事。最终选用9盘磁带，筛选标准兼顾语音清晰度和三年广播期的代表性采样。初始转录采用当时最大的Whisper Large-v2模型，后经当地社区人工校正，使用希腊字母正字法标注并导入Praat软件。

数据集预处理包括文本规范化(脚本见greek_dialects_asr/)和音频统一转为16kHz单声道格式。经Praat标注切分后，有效时长1小时21分12秒（原始9盘磁带2小时录音经过去除音乐、长静默段等处理）。

性能指标

在占数据集10%的测试集上评估结果：

训练参数

在NVIDIA GeForce RTX 3090显卡上微调基线模型的超参数配置：

文献引用

相关研究成果详见： S. Vakirtzian等，《希腊方言语音识别：一项挑战性基准测试》，国际语音通信协会年会(INTERSPEECH)论文集，2024年。