|
|
Aligning pre-trained models for spoken language translation
Sedláček, Šimon ; Beneš, Karel (oponent) ; Kesiraju, Santosh (vedoucí práce)
In this work, we investigate a novel approach to end-to-end speech translation (ST) by leveraging pre-trained models for automatic speech recognition (ASR) and machine translation (MT) and connecting them with a small connector module (Q-Former, STE). The connector bridges the gap between the speech and text modalities, transforming the ASR encoder embeddings into the latent representation space of the MT encoder. During training, the foundation ASR and MT models are frozen, and only the connector parameters are tuned, optimizing for the ST objective. We train and evaluate our models on the How2 English to Portuguese ST dataset. In our experiments, aligned systems outperform our cascade ST baseline while utilizing the same foundation models. Additionally, while keeping the size of the connector module constant and small in comparison (10M parameters), increasing the size and capability of the ASR encoder and MT decoder universally improves translation results. We find that the connectors can also serve as domain adapters for the foundation models, significantly improving translation performance in the aligned ST setting, compared even to the base MT scenario. Lastly, we propose a pre-training procedure for the connector, with the potential for reducing the amount of ST data required for training similar aligned systems.
|
|
|
Kontrastivní analýza vybraných větných struktur se slovesy ser/estar
ČAPKOVÁ, Tereza
Tématem této diplomové práce jsou španělské konstrukce se slovesy ser a estar, zejména obtížnosti, které představují při překladu vyhotoveném strojovými překladači. Na základě odborné literatury jsou v teoretické části popsány charakteristické rysy těchto sloves a také jejich odlišnosti. Praktická část poté zkoumá, zda jsou strojové mechanismy určené k překladu schopny odlišit význam těchto dvou sloves. Ve druhém úseku práce se poté zaměřujeme na problematiku těchto sloves při výuce španělštiny jako cizího jazyka. Analyzujeme, jakým způsobem se v učebnicích přistupuje k těmto slovesům a jakou formou jsou studentům vysvětlovány. Na závěr jsou představeny vytvořené aktivity, které jsou určeny pro různé jazykové úrovně dle SERR a doporučeného učebního plánu Institutu Cervantes.
|
|
|
Překladač z češtiny do slovenštiny
Mydliar, Ján ; Kouřil, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Tato diplomová práce se věnuje tvorbě překladového systému pro překlad z češtiny do slovenštiny. První kapitola pojednává o motivaci k tvorbě práce, druhá o strojovém překladu a jeho různých typech. Třetí kapitola obsahuje přehled metod pro hodnocení kvality strojového překladu. Čtvrtá kapitola se věnuje návrhu a realizaci překladového systému, zejména přípravě paralelních korpusů. Pátá kapitola pojednává o testovaní a vyhodnocení vytvořeného systému.
|
|
|
Automatická tvorba slovníků z překladových textů
Musil, Jakub ; Schmidt, Marek (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je vytvoření systému pro získání překladu slov zdrojového jazyka do jazyka cílového pomocí ekvivalentní dvojice vstupních textů. V této práci jsou popsány pojmy a metody používané v oblasti strojového překladu a strojové tvorby překladových slovníků. Práce také obsahuje návrh a popis jednotlivých fází, ze kterých se skládá vytvořený systém, včetně závěrečného testování, vyhodnocení získaných překladů a možnosti rozšíření existujícího překladového slovníku.
|
|
| |
|
|
Automatická tvorba slovníků z překladových textů
Sumbalová, Lenka ; Kouřil, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této bakalářské práce bylo vytvořit systém pro automatickou tvorbu slovníků z překladových testů. Je popsána implementace systému, který generuje česko-anglický slovník ze zarovnaného paralelního korpusu a shrnut výsledek práce. Dále je analyzován paralelní korpus CzEng, který byl použit jako zdroj dat pro slovníky a vysvětleny teoretické pojmy související s touto problematikou.
|
|
|
Strojový překlad pomocí umělých neuronových sítí
Holcner, Jonáš ; Beneš, Karel (oponent) ; Szőke, Igor (vedoucí práce)
Cílem této práce je popsat a vytvořit systém pro strojový překlad textu postavený na rekurentních neuronových sítích. K tomu je použita architektura enkodér-dekodér umožňující překlad po celých větách. Výsledkem je knihovna nmt, určená k provádění experimentů s různými parametry modelu. Jejich výsledky jsou porovnány vůči systému postavenému na nástroji pro statistický překlad Moses.
|
|
|
Automatická tvorba slovníků z překladových textů
Svoboda, František ; Matějka, Pavel (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem práce je vytvoření systému, který by dokázal generovat z paralelních dvojjazyčných textů překladové slovníky. Jsou popsány příklady, jak lze takové dokumenty získat, a jaké kroky je vhodné nad daty podniknout, aby z nich bylo možné extrahovat požadovanou informaci. Za tímto účelem byly prozkoumány a využity zejména statistické metody strojového překladu. Kromě popisu vytvořeného systému lze v práci nalézt rozbor problémů, které jsou s tématem spojeny, a hodnocení dosažených výsledků.
|
|
|
Machine Translation Technology
Kadlec, Lukáš ; Kotásek, Miroslav (oponent) ; Froehling, Kenneth (vedoucí práce)
This bachelor thesis is aimed to examine different types of Machine Translation technology and the history of Machine Translations from the 1990s onwards. The thesis focuses on a more in-depth analysis of statistical machine translation (SMT), a brief specification of neural machine translation (NMT) and also two types of NMT – recurrent neural networks (RNN) and convolutional neural network (CNN). The next part of this thesis is about three applications that use neural machine translation – Google Translate, DeepL and SYSTRAN. This research paper also deals with the evaluation of machine translation (BLEU, WER, METEOR, TER, ROGUE).
|
|
|
Text Analysis in Specialized Translation: Accuracy and Error Rate
Parobková, Alžbeta ; Marcoň, Petr (oponent) ; Dohnal, Přemysl (vedoucí práce)
The focus of the thesis is on researching and applying text analysis and machine translation methods to quality evaluation of machine translated technical texts. The experimental part uses these methods to implement error identification and classification algorithm. The error and grammar correction neural model was also applied. The comparison of error rate and accuracy of different language tools is presented via error typology and standardized translation evaluation metrics.
|
host ::
RSS.