محققان در مطالعه اخیر خود به سراغ چالش تشخیص گفتار برای زبانهای کممنابع، بهویژه زبان آسامی رفتهاند. با توجه به عملکرد ضعیف مدلهای پیشآموزشدیده Whisper در مواجهه با این زبانها، آنها موفق شدند با تنظیم دقیق (Fine-tuning) هوشمندانه و بهینهسازی برای سختافزارهای محدود، دقت این مدل را بهشکل چشمگیری افزایش دهند. 🚀
این تحقیق نشان میدهد که چگونه میتوان با استفاده از روشهای آموزشی بهینه، حتی برای زبانهایی که دادههای آموزشی کمی دارند، مدلهای تشخیص گفتار (ASR) بسیار دقیق و کارآمد ساخت و نرخ خطای کلمات را تا بیش از ۷۸ درصد کاهش داد. این دستاورد گامی مهم در جهت فراگیرتر کردن فناوری هوش مصنوعی برای گویشهای مختلف جهان است. 🤖✨
منبع: arXiv Machine Learning