محققان در یک پژوهش تازه برای مسابقات MLC-SLM 2026، سیستمی هوشمند برای تشخیص دقیق گفتار در گفتگوهای دو نفره ارائه کردهاند. این سیستم با ترکیب «بخشبندی گوینده» (Diarization) و مدل قدرتمند Qwen3-ASR، دقت تشخیص گفتار را به شکل چشمگیری افزایش داده است.
نکته جالب اینجاست که آنها با استفاده از ترکیب روشهای مختلف از جمله تنظیم دقیق (Fine-tuning)، دادههای مصنوعی و یادگیری تقویتی (GRPO)، توانستند خطاهای بازشناسی گفتار را تا حد زیادی کاهش دهند. این دستاورد، قدمی مهم برای بهبود تعاملات صوتی در محیطهای واقعی و چندزبانه است. 🚀
منبع: arXiv NLP
