KIT | KIT-Bibliothek | Impressum | Datenschutz

End-to-End Neural Speech Translation

Sperber, Matthias

Abstract:
Diese Arbeit beschäftigt sich mit Methoden zur Verbesserung der automatischen Übersetzung gesprochener Sprache (kurz: Speech Translation). Die Eingabe ist hierbei ein akustisches Signal, die Ausgabe ist der zugehörige Text in einer anderen Sprache. Die Anwendungen sind vielfältig und reichen u.a. von dialogbasierten Übersetzungssystemen in begrenzten Domänen bis hin zu vollautomatischen Vorlesungsübersetzungssystemen.

Speech Translation ist ein komplexer Vorgang der in der Praxis noch viele Fehler produziert. Ein Grund hierfür ist die Zweiteilung in Spracherkennungs ... mehr

Abstract (englisch):
The goal of this thesis is to develop improved methods for the task of speech translation. Speech translation takes audio signals of speech as input and produces text translations as output, with diverse applications that reach from dialog-based translation in limited domains to automatic translation of academic lectures. A main challenge and reason why current speech translation systems often produce unsatisfactory results is the division of the task into independent recognition and translation steps, leading to the well-known {\it error propagation} problem. In this ... mehr

Open Access Logo


Volltext §
DOI: 10.5445/IR/1000095218
Veröffentlicht am 27.05.2019
Coverbild
Zugehörige Institution(en) am KIT Institut für Anthropomatik und Robotik (IAR)
Publikationstyp Hochschulschrift
Jahr 2019
Sprache Englisch
Identifikator KITopen-ID: 1000095218
Verlag Karlsruhe
Umfang XIX, 127 S.
Abschlussart Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Anthropomatik und Robotik (IAR)
Prüfungsdatum 09.01.2019
Referent/Betreuer Prof. A. Waibel
Schlagworte speech translation, deep learning, end-to-end models
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page