НОВОСТЬ · MODELS · #1345
NVIDIA дообучила Nemotron 3.5 ASR для саудовских диалектов Наджи и Хиджази
С помощью фреймворка NeMo NVIDIA дообучила Nemotron 3.5 ASR на 133,7 часах речи на диалектах Наджи и Хиджази, снизив WER на целевом тесте с 55,05% до 29,96% и немного улучшив английский WER с 11,04% до 10,42% без ухудшения других арабских диалектов. Воркфлоу включает минимальную куртацию, взвешенное смешение с FLEURS, группировку по длительности и частичное размораживание энкодера; увеличение контекста внимания до 13 кадров и beam-8 MALSD декодирование снизили WER ещё на 2,71 пункта с добавлением ~800 мс задержки, а Nemotron 3 Diarization обеспечивает распределённую по говорящим расшифровку для до восьми участников.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- С помощью фреймворка NeMo NVIDIA дообучила Nemotron 3.5 ASR на 133,7 часах речи на диалектах Наджи и Хиджази, снизив WER на целевом тесте с 55,05% до 29,96% и немного улучшив английский WER с 11,04% до 10,42% без ухудшения других арабских диалектов.
- Воркфлоу включает минимальную куртацию, взвешенное смешение с FLEURS, группировку по длительности и частичное размораживание энкодера; увеличение контекста внимания до 13 кадров и beam-8 MALSD декодирование снизили WER ещё на 2,71 пункта с добавлением ~800 мс задержки, а Nemotron 3 Diarization обеспечивает распределённую по говорящим расшифровку для до восьми участников.
- Демонстрирует практический рецепт и компромиссы для адаптации крупной многоязычной ASR к недостаточно представленным региональным диалектам, дающий существенное снижение WER при сохранении качества на других языках.
ПОЧЕМУ ЭТО ВАЖНО
Демонстрирует практический рецепт и компромиссы для адаптации крупной многоязычной ASR к недостаточно представленным региональным диалектам, дающий существенное снижение WER при сохранении качества на других языках.