VietMed: A Dataset and Benchmark for Automatic Speech Recognition of Vietnamese in the Medical Domain

要約

プライバシーの制約から、医療分野の音声認識データセットは公開されていない。VietMedは、16時間のラベル付き医療音声、1000時間のラベルなし医療音声、1200時間のラベルなし一般音声からなる医療分野のベトナム語音声認識データセットである。我々の知る限り、VietMedは7つの側面（総時間、話者数、疾患、録音条件、話者の役割、独特の医療用語、アクセント）において、世界最大の公開医療音声認識データセットである。また、VietMedはベトナム語の公開音声認識データセットとしても、総時間で圧倒的に最大です。さらに、ICD-10の全疾患グループと国内の全アクセントをカバーする医療用ASRデータセットを初めて公開しました。さらに、ベトナム語ASR用の大規模な事前学習済みモデルw2v2-VietとXLSR-53-Vietを初めて公開し、医療ASR用の大規模な微調整済みモデルも初めて公開します。教師なし事前学習で医療データがない場合でも、我々の最高の事前学習済みモデルXLSR-53-Vietは、テストセットでのWERが51.8%から29.6%へと、最先端のXLSR-53を上回り（相対的に40%以上の削減）、医療ドメインに非常によく汎化します。すべてのコード、データ、モデルは、https://github.com/leduckhai/MultiMed/tree/master/VietMed。

要約(オリジナル)

Due to privacy restrictions, there’s a shortage of publicly available speech recognition datasets in the medical domain. In this work, we present VietMed – a Vietnamese speech recognition dataset in the medical domain comprising 16h of labeled medical speech, 1000h of unlabeled medical speech and 1200h of unlabeled general-domain speech. To our best knowledge, VietMed is by far the world’s largest public medical speech recognition dataset in 7 aspects: total duration, number of speakers, diseases, recording conditions, speaker roles, unique medical terms and accents. VietMed is also by far the largest public Vietnamese speech dataset in terms of total duration. Additionally, we are the first to present a medical ASR dataset covering all ICD-10 disease groups and all accents within a country. Moreover, we release the first public large-scale pre-trained models for Vietnamese ASR, w2v2-Viet and XLSR-53-Viet, along with the first public large-scale fine-tuned models for medical ASR. Even without any medical data in unsupervised pre-training, our best pre-trained model XLSR-53-Viet generalizes very well to the medical domain by outperforming state-of-the-art XLSR-53, from 51.8% to 29.6% WER on test set (a relative reduction of more than 40%). All code, data and models are made publicly available: https://github.com/leduckhai/MultiMed/tree/master/VietMed.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL