LVL is hiring a Speech recognition expert and a Speech synthesis expert

We are looking for experts in speech recognition and in speech synthesis. At LVL you will be joining a research team working on exciting developments in language technology as a part of the Icelandic Language Technology Programme (https://arxiv.org/pdf/2003.09244.pdf).

Job Duties:

  • Conduct independent research in the fields of speech processing, machine learning, speech recognition/synthesis and human-computer interaction.
  • Work with a team of other experts in carrying out the Speech Recognition/Synthesis part of the Icelandic Language Technology Programme.
  • Publish and disseminate research findings in journals and present at conferences.
  • Actively take part in scientific and industrial cooperation projects.
  • Assist in supervising Bachelor’s/Master’s students.

Skills:

  • MSc/PhD degree in engineering, computer science, statistics, mathematics or similar. Good programming skills (e.g. C++ and Python) and knowledge of Linux (necessary).
  • Good knowledge of a deep learning library such as PyTorch or TensorFlow (necessary).
  • Good knowledge of KALDI (preferable). Background in language technology (preferable).
  • Good skills in writing and understanding shell scripts (preferable).

All applications must be accompanied by a good CV with information about previous jobs, education, references etc. It is also optional to attach a cover letter where the applicant can justify the reasons for being the right person for the job.

Applications deadline is October 4th 2020. Applications are only accepted through RU’s recruitment system at https://jobs.50skills.com/ru/is/5484/apply. All inquiries and applications will be treated as confidential.

Further information about the job is provided by Jón Guðnason, Associate Professor, jg@ru.is, and Ester Gústavsdóttir, Director of Human Resources, esterg@ru.is.

The role of Reykjavik University is to create and disseminate knowledge to enhance the competitiveness and quality of life for individuals and society, guided by good ethics, sustainability and responsibility. Education and research at RU are based on strong ties with industry and society. We emphasize interdisciplinary collaboration, international relations and entrepreneurship.

You can apply at: https://jobs.50skills.com/ru/en/5484/ by selecting “Sækja um/Apply Now” or https://jobs.50skills.com/ru/is/5484/apply .

Can you preserve Icelandic voices with text-to-speech engines?

On July 11th, Tengivagninn on the Rás 1 attempted to answer this question and many more in an interview with Jon Gudnason and Ragnheiður Þórhallsdóttir.

Practical information about the radio program is below:

  • Language: Icelandic
  • Name of show: Tengivagninn
  • Station: Rás 1
  • Date: 11. 07. 2020
  • Air time: 13:26
  • Interviewer: Fanney Benjamínsdóttir
  • Duration: approximately 17 minutes
  • Topics discussed: The Icelandic Language Technology program work carried out at LVL
  • Link to the Radio episode

The full episode is available at ruv.is. However, we also have a transcription of the interview below. The transcription was made by the ASR at tal.tiro.is with minor edits and diarization added.

Tengivagninn interview with LVL

Talgervill: Halló allir. Hvað er eiginlega að frétta? Halló allir. Hvað er eiginlega að frétta?
Fanney Benjamínsdóttir (þáttasjórnandi): Nei, ég er hér með Jóni Guðnarssyni, dósent við verkfræðideild HR og Ragnheiður Þórhallsdóttir verkefnastjóra hjá Mál- og raddtæknistofnun Háskólans í Reykjavík til að ræða máltækniáætlun Íslands. En hér er meðal annars verið að vinna íslenskum raddgerli talgreini. Geturðu sem sagt mér aðeins frá verkefninu?
Jón Guðnason: Já. Verkefnið er unnið að samtökum íslenskrar máltækni, SíM, Jón Ármannaróm samgöngumál, máltækni, sú tækni sem hefur að gera með tungumálið, hvort sem það er talað um það skrifað eða einhvern annan hátt og í þessu verkefni, taka á bæði táknmálinu úr skrílmálinu. Það er hreint málinu og við hérna í Háskólann í Reykjavík. Við erum að einbeita okkur að tálmunum stóra stórverkefnin, skipt í fimm hluta sem hafa gefið mál rými eins og stafsetningar, leiðréttingum svoleiðis vélrænar þýðingar, annar hluti, stór hluti sem hann hefur að geyma, gagnasöfnun, málheildir og annað. Við erum með tvo pakka sem á að gera með talgreiningu annars vegar tölva er að reyna að skilja hvað er verið að segja. Hann gerving hins vegar fimmti pakkinn og talgerfing er sem sagt láta tölvutala.
Fanney Benjamínsdóttir: Þannig að markmiðið er í rauninni að við getum talað við tölvuna okkar og hún geti svarað okkur.
Jón Guðnason: Já í stuttu máli svo miklu meira en það. Það er svo margt sem hægt er að gera með þessa tækni um leið og þú getur byrjað að hafa samskipti við tölvu með talmálinu þá breytist frá markaði, ekki bara þessi er bara þessi þessi samræða sem við getum mátti tæknina heldur líka alls konar gagnasöfnun og veruleiki og annað sem við getum búið til tækninni.
Talgervill: Halló allir. Hvað er eiginlega að frétta? Halló allir. Hvað er eiginlega að frétta?
Fanney Benjamínsdóttir: Er þessi tækni til dæmis önnur tungumál með símana okkar og þeir skilja okkur alla vega stundum og svara til baka? Er þetta sama?
Jón Guðnason: Jú ákveðnu marki. Hún er í stöðugri þróun, líka fyrir erlend tungumál. Hún er komin kannski eitthvert lengra heldur en heldur en fyrir íslensku mun lengra en til dæmis fyrir stóru tungumálsins, á ensku og spænsku, kínversku og hvað þau heita öll og markmið þessa verkefnis er að reyna að koma okkur á þann stað að við getum verið gildandi í tækniheiminum meðalstóra tungumálanna.
Fanney Benjamínsdóttir: Og af hverju er mikilvægt að við eigum okkar eigin tungumáli aðgang að þessu? Getum við notað ensku tæknina?
Jón Guðnason: Ef við kunnum ensku, en það eru áhöld um það hversu vel við kunnum ensku og það er líka spurning hvort það sé rétt að ætlast til þess að fólk sé að tala tungumál sem er ekki þeirra eigið móðurmál og það er nú einu sinni hlutverk okkar sem lands að hlúa að því sem við erum að gera. Tungumálið er vissulega eitt af því sem við eigum að hlúa.
Fanney Benjamínsdóttir: Mál verndarstefna hér við lýði.
Jón Guðnason: Já, má ekki kannski málvernd heldur bara verið að passa upp á íslenskan sé gildandi drekinn hefur hefur alveg jú með mál, benda gera per-se en það er ekkert verið að reyna að passa upp á við eitthvað eins og í gamla daga eða neitt svoleiðis. Í verkefninu er tekið tillit til þess að tungumálið er mjög lifandi og er að breytast og þroskast og og hérna og við tökum mið af því mikilvægt að horfa ekki á verkefnið sem eitthvað svona tungumálið, einhverra flösku og setja upp á hillu heldur er einmitt öfugt. Það er verið að reyna að búa til tæki og tækni sem leyfir okkur að leika með tungumálið og halda áfram að þróa það á sem eðlilegastan hátt.
Fanney Benjamínsdóttir: Heimspekingurinn orðaforða hugbúnaðar, hvernig hvernig stjórnast hann Kann talgervill að sletta?
Jón Guðnason: Góð spurning, mjög góð spurning. Sko, gamla tæknin leyfir bara ákveðin orð, fer eftir því hvort maður sé talinn talgerfingu talgreini um þúsund talgreininn, gæti til dæmis ekki skilið nýorðið eða eitthvað svoleiðis. Það er bara of opnar rannsóknarspurningar hvort það sé hægt að hafa óbein orðaforða eða ekki og mjög spennandi hlutir að gerast þar og eitthvað sem við reynum að vera undan í tækninni. Bæði. Þess vegna erum við með rannsóknargagns stofur eins okkar og annars staðar háskóla. Háskólarnir hérna eru að taka þátt í þessu verkefni beinlínis vegna þess að við erum að fylgjast með því sem nýjast sem gerist rennandi hlutir að gerast almennt í máltækni og eitt af því með mjög spennandi. En þetta geta notað sko, við erum með opinn orðaforða þannig að þegar ný orð koma verður einhvers konar sjálfvirkni sem fattar: ja, þetta er nýtt orð. Þú reynir að fatta hvernig maðurinn út í hvaða samhengi og svoleiðis. En þetta er mjög nýtt og skemmtilegt og við erum mjög spennt yfir akkúrat þessu þessa dagana.
Fanney Benjamínsdóttir: Hvernig virkar þetta að halda uppi síðunni samrómur.is þar sem þeir hafa beðið fólk um að lesa inn og sendinn radd sýni: til hvers eru þau notuð?
Jón Guðnason: Samrómurinn notuðu talgreiningu. Þá þurfum við gögn frá fullt af fólki og bara ekkert mikið af gögnum frá hverjum og einum en en eitthvað og svo þurfum við bara mikið af gögnum og frá frá mörgu fólki og þá höfum við þetta verkefni sem heitir samrómur. Allir ættu að taka þátt í samrómur.is getað lesið innsetningar og svo notum við þessa setningu. Textinn er á þá höfum við hljóðupptökuna og getum sem sagt látið tölvuna læra. Hvaða hljóð eiga minn? Hvaða hvaða orð stafi
Fanney Benjamínsdóttir: Ef ég les rosalega mikið inn á samróm punktur is? Kemur það sér tækni til með að skilja mig betur en aðra?
Jón Guðnason: Mögulega? Jú, ef þú ert allavega þá í þessum grunni og röddin þín mætti væntanlega skila sér einhvern veginn. Já.
Fanney Benjamínsdóttir: Og hver er þá sem talar fyrir hina hliðina? Ef ég tala við tölvuna og tölvan svarar mér hvernig ég tala við.
Jón Guðnason: Við erum núna búnir að við erum í annarri stofnun sem heitir Pálrúnar, Ragnheiður geti sagt eitthvað.
Ragnheiður Þórhallsdóttir: Þar erum við að safna röddunum sem muni tala við þig. Átta raddir í heild yrðu teknar upp. Það eru fjórar karlmannsraddir úr hjörð kvenmannsraddir og þeir eru númer fimm fólk er búið að leggja ótrúlega mikið á sig, leggja fram tuttugu klukkustundir af efni sem er svo notað til að þjálfa talgervilinn.
Fanney Benjamínsdóttir: Og ef ég kæmi og gæfi tuttugu klukkustundir efni, hvernig mundu þær tuttugu klukkustundir hljóma? Er ég að segja orð eða er þetta bara hljóð eða hvað er það sem þau eru látin lesa?
Ragnheiður Þórhallsdóttir: Svipað og samrómur? Þetta eru stuttar setningar sem lesa oftast örstuttar sem er búið að velja út frá sjónarmið at l l a y á hné og tilheyrir tungumálinu, koma fram það náttúrulega mjög skrýtnar setningar.
Fanney Benjamínsdóttir: Og hvernig verð ég að þetta fólk, hverjir eru það sem fá að vera þessi stafræna rödd,
Ragnheiður Þórhallsdóttir: Ótrúlegar íslenskar raddir. Við erum búnir að auglýsa nokkrum sinnum og fengið frábær viðbrögð og erum með sérfræðinga sem farið yfir þetta og velja út frá ýmsum þáttum en líka mjög mikilvægt að þessar átta raddir séu allar mjög ólíkar við unga konu sem bjartara fyrir unglinga. Hinar dýpri rödd, já, átta ólíkar raddir.
Fanney Benjamínsdóttir: Er þeim svo skeytt saman einhvern veginn eða myndar hver þeirra sem eigin talgervil.
Ragnheiður Þórhallsdóttir: Já, eskitrjánna hver myndar.
Jón Guðnason: Svo er um annan aðra söfnun er númer tvö farsölunum jafnmiklum frá hverjum og einum. Við söfnum sem sagt fjörutíu manns á endanum og þar er ætlunin að blanda saman röddum og búa til í raun og veru raddir sem eru ekki hingað.
Ragnheiður Þórhallsdóttir: Fólk sem er með fallega raddir og að þessu verkefni og ef hugmyndin er að fólk geti valið.
Jón Guðnason: Það er smá atriði að tengja ekki röddina við manneskjuna sem talaði. Það gerðist einu sinni inn á Íslandi talgervilinn vefgáttin talgervill sem var með var kennara, Blindrafélaginu fyrir mörgum árum og þá lesa var þekktur síðan. Þá höfum við ekki haldið því leyndu hverjir, þar sem hann talar Blindrafélagsins núna eftir Karl og Dóra en ekkert tengt við viðfangsefnið. Andstaðan við erum ekkert að flíka því neitt,
Fanney Benjamínsdóttir: Vilja alls ekki að fá þekkta einstaklinga í þetta hlutverk.
Jón Guðnason: En auðvitað getum við að við getum auðvitað, ef við viljum fá Bogi Águstsson, hann fræga upplausnar á getum við búið til raddirnar. Þá verður þetta líka ef þú tengir röddina við einstaklinginn að þá verður það eiginlega meira þess einstaklings, hin siðferðilega, svolítið viðkvæmt.
Fanney Benjamínsdóttir: Nú dettur mér í hug það er svolítið verið talað um svona djúp falsanir undanfarið. Eldaði sama konsept, þessi radd uppbygging og er verið að nota þar?
Jón Guðnason: Já, þetta er bara þessi tækni. Við verðum að eins og við verðum að takast á við við þau vandamál sem koma decals dýpri, djúp djúp falsanir og ekki bara við höfum talið að sönghelli unglinga. Við höfum auðvitað bara hljóð og mynd og myndskeið. Verður þetta eitthvað sem verður að passa upp á, bæði með reglugerðum og reglum en líka bara fólk verður að vera meðvitað um hvað er hægt að gera með tæknina í framtíðinni og íslenskan er ekkert undanskilið, aldrei þetta vandamál þó að þú ert í heiminum ekki góð leið, að sleppa því að þróa tæknina á endanum, bara einhver.
Talgervill: Halló allir. Hann segir að frétta? Halló allir. Hvað er eiginlega að frétta?
Fanney Benjamínsdóttir: Mörg met sem ég minntist aðeins á hérna áðan, svona forrit í símanum okkar sem við getum talað við og skilja okkur alla vega stundum og svara okkur til baka, Siri og Alexa og hvað þetta allt heitir. Getum við búist við að þessi forrit fari að tala íslensku?
Jón Guðnason: Afar skemmtilegt, ekki undir okkur komið en undir einhverjum stórfyrirtæki komið hvort það verður einhver ákvörðun tekin einhverju einhverri skrifstofu einhvers staðar úti í heimi að Siri eða hver sem er farinn að tala íslensku getum ekki breytt því? Við getum ekki haft. Við getum ekki látið einhvern bara gera þetta en við getum hins vegar gert allt annað. Við getum látið bæði tæknina og gögnin um málfong sem þarf. Við getum gert þau tilbúin þannig að hver sem er geti auðveldlega gert þetta íbúum til raddirnar. Við búum til hugbúnaðinn sem lesa upp texta, kerfinu, texta og svoleiðis. Er það í raun og veru ekki undir okkur komið hvar þetta notað? Það er ekki okkar hlutverk að setja þetta í notkun per-se. Við ýtum eftir því og viljum auðvitað að alls konar aðilar í þjóðfélaginu fara og fara að taka þetta upp. En en við reynum bara að halda þessu al tæknifyrirtækjum, startup fyrirtækjum og öðrum og hérna. Vonandi taka þessa tækni barmana en annars er tæknin öll opin og frjáls. Það er hægt að nálgast bæði hugbúnaðinn og gögnin. Á vefsíðu verkefnisins unglingar munum við setja þetta inn í gagnabanka bæði erlendis og hérlendis. Þetta verður allt gert útbýr og það þarf ekki að kosta neitt.

TTS, Language Technology, Kvistur, and Samrómur papers published but no conferences to attend

Sjá íslenska þýðingu neðar

This is a positive but somewhat sad week for LVL. Many LVL members were going to go to Marseille, France this week to attend Language Resources & Evaluation Conference (LREC) 2020 and the joint Spoken Language Technologies for Under-Resourced Languages and Collaboration and Computing for Under-Resourced Languages (SLTU-CCURL) 2020 Workshop. Once there they were going to present their many papers, providing an in-depth look into our TTS, data collection, compound splitting, and general language technology research in recent months. However, due to COVID-19 these conferences were both cancelled. Luckily the organizers have still decided to publish the proceedings this month. The joint SLTU proceedings were published May 8th on the SLTU-CCURL 2020 website at Workshop Proceedings (our paper is on page 316). Head over to the SLTU 2020 website if you want to read more SLTU-CCURL papers. We’re still waiting for the LREC proceedings to be published. But our papers can now be found as pdfs below and on our publications page.

Our TTS paper was accepted at SLTU-CCURL 2020:



Title: Manual Speech Synthesis Data Acquisition – From Script Design to Recording Speech
Authors: Atli Þor Sigurgeirsson, Gunnar Thor Örnólfsson, Jon Gudnason
Summary: In this paper we present the work of collecting a large amount of high quality speech synthesis data for Icelandic. A script design strategy is proposed and three scripts have been generated to maximize diphone coverage, varying in length. The largest reading script contains 14,400 prompts and includes 81% of all Icelandic diphones at least twenty times. As of writing, 58.7 hours of high quality speech data has been collected.
PDF

Our Samrómur, Kvistur, and Language Technology programme papers were accepted at LREC 2020:

The cover of the proposal sent to the Icelandic parliament

Title: Language Technology Programme for Icelandic 2019-2023
Authors: Anna Nikulásdóttir, Jón Guðnason, Anton Karl Ingason, Hrafn Loftsson, Eiríkur Rögnvaldsson, Einar Freyr Sigurðsson and Steinþór Steingrímsson
Summary: In this paper, we describe a national language technology programme for Icelandic. The programme aims at making Icelandic usable in communication and interactions in the digital world, by developing accessible, opensource language resources and software. The research and development work within the programme is carried out by SÍM, a consortium of universities, institutions, and private companies, with a strong emphasis on cooperation between academia and industries. Five core projects will be the main content of the programme: language resources, speech recognition, speech synthesis, machine translation, and
spell and grammar checking.
PDF

A representation of the model with one BiLSTM layer, showing where the compound word raforku ‘electric energy’ is split in two.

Title: Kvistur: a BiLSTM Compound Splitter for Icelandic
Authors: Jón Daðason, David Mollberg and Hrafn Loftsson
Summary: In this paper, we present a character-based BiLSTM model for splitting Icelandic compound words, and show how quantity of training data affects model performance. Compounding is highly productive in Icelandic, and new compounds are constantly being created. This results in a large number of out-of-vocabulary (OOV) words, negatively impacting the performance of many NLP tools. Our model is trained on a dataset of 2.9 million unique word forms and their constituent structures from the Database of Icelandic Morphology. The model learns to split compound words into two and can be used to derive a word form’s constituent structure. Knowing the constituent structure of a word form makes it possible to generate the optimal split for a given task. The model outperforms other previously published methods when evaluated on a corpus of manually split word forms. This method has been integrated into Kvistur, an Icelandic compound word analyzer.
PDF

The cumulative count of votes and utterances. Each utterance can have more than one vote as it needs two positive votes to be considered valid and two negative votes to be considered invalid.

Title: Samrómur: Crowd-sourcing Data Collection for Icelandic Speech Recognition
Authors: David Erik Mollberg, Ólafur Helgi Jónsson, Sunneva Þorsteinsdóttir, Steinþór Steingrímsson, Eydís Huld Magnúsdóttir and Jon Gudnason
Summary: This contribution describes an ongoing speech data collection, using Samrómur which is built upon Mozilla’s Common Voice. The goal is to build a large-scale speech corpus for Automatic Speech Recognition (ASR) for Icelandic. Upon completion, Samrómur will be the largest open speech corpus for Icelandic. The paper discusses the methods used for crowd-sourcing and illustrate the importance of marketing and good media coverage for a crowd-sourced dataset. Preliminary results exceed our
expectations. The paper also reports on the process of validating recordings.
PDF

Our SÍM colleagues also had two papers at LREC 2020: “Facilitating Corpus Usage: Making Icelandic Corpora More Accessible for Researchers and Language Users” and “Parallel Universal Dependencies”. Congratulations!

While it is sad that our LVL members cannot meet with fellow researchers and visit the great city of Marseille, they still look forward to connecting with researchers online through your comments on their papers and links to your related papers.

Þessa vikuna hefði átt að halda Language Resources & Evaluation (LREC) ráðstefnuna í Frakklandi, sem og Spoken Language Technologies for Under-resourced Languages vinnustofuna en báðum þessum viðburðum var aflýst vegna COVID-19.  Margir starfsmenn LVL ætluðu sér að sækja þessa viðburði og kynna þar 4 greinar og veita innsýn í þær máltæknirannsóknir sem hafa farið fram hérna síðustu mánuði. Hérna má lesa nánar um þetta og nálgast greinarnar. (Athugið að greinarnar eru aðeins aðgengilegar á ensku).

First milestone in the Language Technology for Icelandic project

The LVL team celebrating the first milestone in the Language Technology for Icelandic project. Ólafur Helgi Jónsson, Sunneva Þorsteinsdóttir and Steinþór Steingrímsson are missing from the picture.

Last week we celebrated achieving the first milestone in the Language Technology for Icelandic project with a cake!

After a lot of hard work the past few months we achieved the first milestone in Automatic Speech Recognition (ASR), Text-to-Speech (TTS) and Machine Translation (MT).

In ASR, the focus has mostly been on data creating and gathering. 55,000 utterances have been collected (donated by adults) via the crowd-sourcing platform samromur.is (based on Common Voice) with plans to reach 100.000 utterances for the next milestone. The process is being extended to include younger voices in collaboration with schools and authorities. Today we started working with Öldutúnsskóli in Hafnarfjörður. The goal is to reach 80.000 young voice utterances for the next mileston. Additionally, data has been gathered from RÚV (audio, video and subtitles) and CreditInfo (transcriptions). Along with data gathering, the team is also developing tools to post-process Icelandic ASR text for better readability.

In TTS, we successfully created a voice recording client (LOBE) and three reading scripts in order to collect high quality speech and corresponding text data. The reading scripts were created from Risamálheild and seek to maximize diphone coverage. So far 20 hours have been collected from two speakers, male and female. The aim is to finish collecting 20 hours from each speaker early this year. From the collected data two TTS prototypes have been created in Ossian, which extends the Merlin back-end. The current prototypes are quite naive but we have integrated a grapheme-to-phoneme model for the Icelandic language into the prototypes.

In MT, we successfully created a phrase-based statistical machine translation system using the open source tool Moses. Our collaborators at Miðeind created neural machine translation systems based on BiLSTMs and Transformers. The models were trained on the newly available English-Icelandic parallel corpus, ParIce. The systems were then evaluated w.r.t. training time, throughput and BLEU score. The code and 
systems are freely available but are still under development for milestone two. In milestone two we will continue to develop the systems further and adjust them to specific needs of the Icelandic language.

Donate your voice to bring Icelandic and technology together!

Hello everyone!

We are collecting audio clips to create a new, more robust Icelandic dataset. We plan to use them for automatic speech recognition and text-to-speech applications. This could lead to many applications that you can use in your everyday life, like an Icelandic voice assistant, screenreaders, and searchable audio and video content. The dataset will soon be available directly on the Samromur website for users and developers alike to download and use to creating exciting new technology. But to do this, we need your voices, Icelandic speakers.

You can get started by going to Samromur.is  and choosing Tala. You only need to donate 5 recordings per session, but more is always welcome. If you want to do more, you can also evaluate clips made by other users with Hlusta.

Samromur

 

We are also organizing data gathering competitions within companies. So, please contact us if you and your company would be interested in holding a competition.

This is a joint effort with Deloitte and Almannaromur. If you want to learn more about this project, visit the Um Verkefnið tab on the Samromur site.

Conference – Er íslenskan góður „bisness“?

Tomorrow, 16th of October 2019, there will be a conference on Icelandic language technology. The conference will take place at Veröld – hús Vigdísar and starts at 8:00.

A number of people affiliated (past and present) with the LVL will be giving talks there such as:

  • David Erik Mollberg, Ólafur Helgi Jónsson, Viktor Sveinsson Sunneva Þorsteinssdóttir – students at HÍ and RU will launch an open speech data collection initivate for Icelandic.
  • Anna Björk Nikulásdóttir – project manager at SÍM (Samstarf um íslenska máltækni – Collaboration on Icelandic Language Technology) and CEO of Grammatek will talk about tools in language technology.
  • Hrafn Loftsson – docent at the School of Computer Science in RU will talk about automatic text summarization for Icelandic.

The conference focuses on the importance of Icelandic language technology for academy and industry and is open for anyone to attend.

For more details on the conference and speaker list, see the facebook event (Icelandic)

Tune in this weekend as Rás 1 interviews ASR expert Inga Rún and Althingi editor, Steinunn about the Icelandic Parliament’s automated transcription system.

September 2019 signals the end of the LVL automatic speech recognition, ASR, project with Althingi, the Icelandic parliament. To close, the radio station Rás 1 is airing an interview September 8 at 9:30pm (21:30). The interview is conducted by the head of the Althingi speech department, Berglind Steinsdóttir. In the interview, Berglind talks to both Inga Rún, our ASR expert, and Steinunn, an Althingi editor. They discuss both sides of the project: software development and user experiences. This broadcast will hopefully give our Icelandic readers and listeners a deeper understanding of the specifics involved in ASR. Thus, we invite you to tune in this Sunday at 21:30.

Practical information about the radio program is below:

Date: Sunday, September 8th @ 21:30 (re-airing Saturday, September 14th 20:45)
Location: Rás 1 website or the radio station
Duration: 30 minutes
Title: “Háttvirtur þingmaður tekur til máls”
Topic: Sjálfvirknivæðing. Gervigreind. Fjórða iðnbyltingin. Hvað kemur þetta ræðum þingmanna við? Tekinn hefur verið í notkun talgreinir sem skrifar upp ræður þingmanna og í þættinum er rætt við Ingu Rún Helgadóttur eðlisfræðing sem hefur tekið þátt í að þróa hann og Steinunni Haraldsdóttur íslenskufræðing sem hefur notað talgreininn.
Language of Interview: Icelandic
Interviewees: Inga Rún Helgadóttir, ASR developer
Steinunn Haraldsdóttir, icelandic specialist who uses the ASR
Interviewer: Berglind Steinsdóttir
Supervisor: Ásdís Emilsdóttir Petersen.

During the interview go to https://ruv.is/ras1 Click on Í BEINNI. Select Rás 1 and press the play button.

Acceptances Galore

This has been a great summer for LVL. We have many conference acceptances: 8 papers, 3 conferences. It will also be a busy autumn, as all the conferences are in September.

Our first is Recent Advances in Natural Language Processing, a very competitive NLP conference. This year it is in Varna, Bulgaria. Steinþór, Örvar and Hrafn’s paper, “Augmenting a BiLSTM tagger with a Morphological Lexicon and a Lexical Category Identification Step” and Hrafn’s paper “A Wide-Coverage Context-Free Grammar for Icelandic and an Accompanying Parsing System” will both be presented.

Next is Interspeech in Graz, Austria. We have four papers:

  • Yu-Ren Chien – “F0 Variability Measures Based on Glottal Closure Instants”
  • Inga Helgadóttir – “The Althingi ASR System”
  • Anna Rúnarsdóttir – “Lattice re-scoring during manual editing for automatic error correction of ASR transcripts”
  • Anna Nikulásdóttir – “Bootstraping a Text Normalization System for an Inflected Language. Numbers as a Test Case”
InterSpeech_2019_Althingi
poster describing “the Althingi ASR System”

To wrap up the month, we will be attending the 22nd Nordic Conference on Computational Linguistics (NoDaLiDa) in Turku, Finland. We will be representing two papers by Svanhvít Ingólfsdóttir: “Nefnir: A high accuracy lemmatizer for Icelandic” and “Towards High Accuracy Named Entity Recognition for Icelandic.”

All these acceptances exemplify our successful push to increase language technology for Icelandic.

Note: For more details about the papers, please go to our Publications page.

Language Technology Seminar this Saturday

The cooperation between LVL and other leading icelandic organizations is increasing. Tomorrow Reykjavik University and  Societas Scientiarum Islandica (Vísindafélag Íslendinga) are holding a seminar and panel discussion on the current progress and the future of implementing language technologies for Icelandic.

It will be held at Reykjavik University room M105. Hrafn Loftsson, of LVL, will be moderating the seminar starting at 13:30. It will consist of talks from a professor at University of Iceland, the chairman of Almannaromur, Jón Guðnason of LVL, and the director of Miðeindar ehf. Afterwards is the panel discussion.

We welcome everyone to attend the lively Saturday afternoon discussion!