arXiv 自然语言处理· Mercy Muchai (Microsoft Research Africa, Nairobi), Kevin Chege (Microsoft Research Africa, Nairobi), Nick Mumero Mwangi (Microsoft Research Africa, Nairobi), Samuel Chege Maina (Microsoft Research Africa, Nairobi), Felermino Ali (Microsoft Research Africa, Nairobi), Elizabeth Ankrah (Microsoft Research Africa, Nairobi), Ignatius Ezeani (Lancaster University)·· 10 小时前AI 评分35
架构、类型学与适应策略如何影响低资源非洲语言 ASR：实证研究
How Architecture, Typology, and Adaptation Strategies Shape ASR for Low-Resource African Languages: A Controlled Empirical Study
AI 导读
一项针对五种低资源非洲语言及斯瓦希里语的 ASR 对照实验显示，微调模型中 Phi-4-multimodal-instruct 取得了最高的整体准确率。MMS-1B-all 取得相近的 CER，而 Whisper-large-v3-turbo 因模型幻觉和重复循环导致 CER 较高。研究还发现领域微调能提升 Phi-4 与 Whisper 的表现，但会使基于 adapter 的 MMS 性能受损。
来源：arXiv 自然语言处理 · arxiv.org