如何构建多性别竞争性语音翻译模型以控制说话者性别翻译
原文中文,约200字,阅读约需1分钟。发表于: 。通过将说话者的性别元数据合并到单个 “多性别” 神经语音转换模型中,可以避免性别偏见并提高性别准确性(女性形式可提高 12.9),相比专门的性别模型,该模型训练自零效果更好,而基于现有频培训模型的微调则不具有竞争力。
本文提出了一种使用单词级别注释训练机器翻译系统的方法,以减少对性别刻板印象的依赖。实验结果表明,这种方法可以使机器翻译系统在五种语言对上的 WinoMT 测试集上准确度提高高达 25.8 个百分点。