@inproceedings{Naguib-Portet-Dinarelli:TALN:2022,
    author = "Naguib, Marco and Portet, Fran\c{c}ois and Dinarelli, Marco",
    title = "Vers la compr\'ehension automatique de la parole bout-en-bout \`a moindre effort",
    booktitle = "Actes de la 29e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf\'erence principale / Travaux originaux",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "256-267",
    note = "Towards automatic end-to-end speech understanding with less effort",
    abstract = "Les approches de compr\'ehension automatique de la parole ont r\'ecemment b\'en\'efici\'e de l'apport de mod\`eles pr\'eappris par autosupervision sur de gros corpus de parole. Pour le fran\c{c}ais, le projet LeBenchmark a rendu disponibles de tels mod\`eles et a permis des \'evolutions impressionnantes sur plusieurs t\^aches dont la compr\'ehension automatique de la parole. Ces avanc\'ees ont un co\^ut non n\'egligeable en ce qui concerne le temps de calcul et la consommation \'energ\'etique. Dans cet article, nous comparons plusieurs strat\'egies d'apprentissage visant \`a r\'eduire le co\^ut \'energ\'etique tout en conservant des performances comp\'etitives. Les exp\'eriences sont effectu\'ees sur le corpus MEDIA, et montrent qu'il est possible de r\'eduire significativement le co\^ut d'apprentissage tout en conservant des performances \`a l'\'etat de l'art.",
    keywords = "compr\'ehension de la parole, apprentissage autosupervis\'e, apprentissage par transfert.",
    url = "http://talnarchives.atala.org/TALN/TALN-2022/4299.pdf"
}