NagaTranslate: 为低资源的那加兰克里奥尔语构建翻译与语音流水线 (Whisper, VITS, LLMs) [P]
摘要
介绍了 NagaTranslate，一个使用 Whisper、VITS 和 LLMs 针对低资源的那加兰克里奥尔语的翻译和语音合成流水线。
暂无内容
相似文章
用于米佐语自动语音识别的语音语料库：Whisper 和 SraVaani 1.0 的形态感知评估微调
本研究通过微调Whisper和SraVaani 1.0模型，开发了一个用于米佐语（一种低资源语言）的自动语音识别系统，其中Whisper-large-v3实现了7.22%的形态感知词错误率。
Itgan 在 NADI 2026 共享任务中的方案：面向鲁棒多方言及语码切换阿拉伯语 ASR 的参数高效 Whisper 适配
Itgan 团队介绍了一套统一的 Whisper+LoRA 方案，适配于 NADI 2026 阿拉伯语 ASR 的三个子任务。结果表明，针对不同子任务，方言专属模型、基座模型选择以及免训练的权重平均各有主导优势，而非任何单一的创新组件起决定性作用。
我构建了一个开源的实时日语动漫字幕与翻译引擎，由 Whisper-Large-v3 + Groq / DeepSeek 驱动。
NihonSub 是一个开源的实时日语动漫字幕与翻译引擎，它将运行在 Groq 上的 Whisper-Large-v3 与 DeepSeek/LLaMA-3 相结合，用于生成上下文感知的双语字幕，并具备基于 VAD 的音频分段、保留敬语的 LLM 翻译，以及同步双字幕影院播放器等特性。
我们如何用 Pipecat 和微调 TTS，在单块 L4 GPU 上实现 20 路并发低延迟区域语言语音 Agent
一个团队分享了他们如何基于自托管 Pipecat、Mai Transcribe 2、Sarvam 对话式 LLM，以及针对马拉雅拉姆语微调的 VoxCPM2 TTS 构建生产级语音 Agent 技术栈，在单块 L4 GPU 上实现 20 路并发低延迟语音流，并支持 WhatsApp 通话后自动跟进交接。
低资源Tangkhul-英语神经机器翻译
介绍了一个针对严重资源匮乏的Tangkhul-英语语言对的神经机器翻译系统，通过微调ByT5-large和mT5-small模型，在BLEU、chrF++、BERTScore和COMET评分上取得了优异成绩。