摘要

本文探讨了尼日利亚英语电影（Nollywood）中的语音识别（ASR）和毒性检测（TX）问题。由于尼日利亚英语的方言特性，这些电影对许多英语母语者来说难以理解。论文提出了一个先进的语音识别模型，旨在将尼日利亚英语翻译成美国英语，并使用最新的毒性检测技术来评估电影中的语言毒性。研究旨在提高对这些视频中经常被忽视的文本的理解，因为许多尼日利亚人在家中使用豪萨语等本土语言。

原理

论文的核心在于开发一个能够识别和翻译尼日利亚英语方言的自动语音识别系统。该系统利用了最新的语音识别技术，如Whisper和XLS-R模型，这些模型在多语言环境中表现出色。此外，论文还采用了先进的毒性检测框架，如Seamless4MT和ETOX，来评估电影中的语言毒性。这些技术通过分析语音的频率、音调和特定音节的发音，以及检查文本中的有害内容，来实现其功能。

流程

研究团队首先收集了来自尼日利亚和美国的电影文本，使用这些文本来训练和测试ASR模型。他们选择了两个代表性的电影：尼日利亚的“Deep Cut”和美国的“Acrimony”。通过对比这两个电影的语音样本，研究团队生成了频谱图，以直观展示两种英语方言的差异。随后，他们使用Whisper和XLS-R模型进行语音识别，并应用ETOX和Evaluate库进行毒性检测。整个流程包括数据收集、模型训练、语音识别和毒性评估。

应用

这项研究的应用前景广泛，特别是在跨文化交流和多媒体内容本地化领域。通过提高对尼日利亚英语的理解，可以增强全球观众对Nollywood电影的欣赏。此外，该技术还可以应用于其他方言的英语识别和翻译，以及在线内容的安全监控，确保网络环境的健康和安全。