Wat sinn dat fir Wierder? Deel 2: Merci gesot!

An dësem Bäitrag geet et ëm isoléiert Participe-Konstruktioune mat gesot oder gewënscht, fir déi een am Lëtzebuergeschen eng Rei Beispiller ka fannen (hei via facebook an Instagram). Merci gesot Iech all e schéinen Owend gewënscht! Alles Guddes gewënscht! E schéine Gebuertsdag gewënscht Aus grammatescher Siicht loosse sech dës Sätz esou charakteriséieren, dass se eng normal Verbkonstruktioun als…

Ganzen Artikel

Colloque vun der Luxemburgistik – Summersemester 2023

Och am Summersemester 2023 gëtt de Colloque vun der Luxemburgistik am hybride Format ugebueden, op der Plaz, um Campus Belval am Konferenzsall „Aquarium“ um zweete Stack vun der Maison des Sciences humaines, an online iwwer Webex: https://unilu.webex.com/unilu/j.php?MTID=mdc5a2b9480339e2c448a31a08268fa1f De Colloque steet am Katalog vun den IFEN-Formatiounen (Code : D1-d-16): https://ssl.education.lu/ifen/descriptionformation?idFormation=283128 D’Attestatioune ginn zum Schluss vum Semester…

Ganzen Artikel

Wat sinn dat fir Wierder? Deel 1: pabeiers

Haut um Dräikinneksdag iesse vill Leit och en Dräikinnekskuch, eng Galette des rois. Am LOD (Lëtzebuerger Online Dictionnaire) fënnt ee fir dës Zesummesetzung deen heite Beispillssaz (https://lod.lu/artikel/DRAIKINNEKSKUCH1): wien d’Boun a sengem Stéck Dräikinnekskuch fënnt, däerf sech d’pabeiers Kroun opsetzen An dësem Bäitrag geet et mir manner ëm dës Traditioun oder ëm de Kuch u sech, mee éischter ëm e Wuert, dat ech haut méi genee wëll…

Ganzen Artikel

Radioscopie linguistique des frontaliers

Nous ignorons pratiquement tout des compétences linguistiques des frontaliers parce qu’ils échappent en règle générale aux études socio- et démolinguistiques qui ne prennent en compte que les résidents du Grand-Duché. D’où l’intérêt des données que nous allons présenter qui apportent des informations inédites remettant d’une part en question l’idée reçue que les frontaliers ignorent la…

Ganzen Artikel

Colloque vun der Luxemburgistik – Wantersemester 2022

Och am Wantersemester 2022 gëtt de Colloque vun der Luxemburgistik am hybride Format ugebueden, op der Plaz, um Campus Belval am Konferenzsall „Aquarium“ um zweete Stack vun der Maison des Sciences humaines, an online iwwer Webex:  https://unilu.webex.com/unilu/j.php?MTID=m941de521ea42a9d5654c80917d0bee48 De Colloque steet am Katalog vun den IFEN-Formatiounen (Code : D1-d-10): https://ssl.education.lu/ifen/descriptionformation?idFormation=281936. D’Attestatioune ginn zum Schluss vum Semester…

Ganzen Artikel

Ëmfro iwwert de Lëtzebuergesch-Unterrecht

De Lëtzebuerger Bildungssystem am Wandel. Dëst ass d’Theema mat deem sech d’Véronique Glod an hirer Masteraarbecht befaasst. Dass et säit dem éischte Schoulgesetz vun 1843 zu villen Ännerungen am Schoulsystem komm ass, ass verständlech, mee wéi hunn dës d’Entwécklung vum Lëtzebuergesch-Unterrecht beaflosst? Fir dat erauszefannen ass Är Hëllef gefrot: Wéi huet Äre Lëtzebuergesch-Unterrecht ausgesinn an…

Ganzen Artikel

Automatic speech recognition in Luxembourgish. A very first model

The recent advent of highly performant models in Machine Learning had a considerable impact also on automatic speech recognition (ASR) systems in general and on low-resource language in particular. Models that have been trained on thousands of hours of labeled (or unlabeled) speech are achieving today error rates that were inconceivable even ten years ago. However, while these models mainly exist for big languages (i.e. mainly English), small and low-resource languages typically were left out as the preparation of appropriate training material was too costly or too complicated due to the lack of the required high amount of text and audio data. At least since the development of self-supervised learning frameworks like wav2vec2, low-resource languages are experiencing also some considerable advancement in speech recognition and related tasks. Instead of developing an ASR system entirely from scratch for a certain small language, one can now use one of the massive multilingual self-supervised models and fine-tune them with a smaller amount of data for a specific target language.

Ganzen Artikel