PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27086v1cs.CL

NADI 2026: 두 번째 다중 방언 아랍어 음성 처리 공유 과제

NADI 2026: The Second Multidialectal Arabic Speech Processing Shared Task

NADI 2026은 Nuanced Arabic Dialect Identification(NADI) 공유 과제 시리즈의 일곱 번째 개최이며, 다중 방언 아랍어 음성 처리에 초점을 맞춘 두 번째 회차이다. 이번 회차는 자동 음성 인식(ASR), 구어 방언 식별(SDID), 텍스트 음성 변환(TTS), 구어 언어 번역(SLT), 구어 언어 이해(SLU)에 걸친 다섯 가지 과제와 여덟 개의 하위 과제로 구성된다. NADI 2026은 저대역폭, 혼합 방언, 코드 스위칭, 도메인 외(out-of-domain), 제로샷(zero-shot) 설정을 통한 현실적인 평가를 강조하며, 시리즈에 TTS, SLT, SLU를 처음으로 도입한다. 공유 과제에는 최소 13개국에서 온 21개 참가 팀이 참여했고, 테스트 단계 제출 48건과 시스템 설명 논문 14편이 제출되었다. 결과는 도메인 외 일반화가 여전히 주요 병목임을 보여 주며, 최근 아랍어 특화 음성 모델, 멀티모달 방언 식별 접근, 앙상블 방법의 효과를 부각한다. 전반적으로 NADI 2026은 견고한 아랍어 방언 음성 처리를 위한 더 넓고 도전적인 벤치마크를 제공한다.

arXiv:2601.12494v3cs.SD

저자원 아랍어 음성 LLM을 위한 데이터 스케줄링 기반 멀티태스크 지시 미세조정

Multi-Task Instruction Tuning via Data Scheduling for Low-Resource Arabic SpeechLLMs

오디오 대규모 언어 모델(LLM)은 통합된 음성 이해 및 생성을 가능하게 하지만, 아랍어-영어와 같이 언어적으로 복잡하고 방언이 풍부한 환경에 적응시키는 것은 여전히 어렵다. 우리는 자원 제약 환경에서 아랍어 중심 오디오 LLM에 대한 멀티태스크 지시 미세조정의 통제된 연구를 제시한다. 생성 태스크로는 자동 음성 인식(ASR), 음성 및 텍스트 요약이 포함되며, 판별 태스크로는 방언 식별(DID)과 음성 감정 인식(SER)이 포함된다. 종단간 아랍어 음성 요약을 지원하기 위해, 우리는 아랍어 중심 오디오 LLM의 학습 및 벤치마킹을 위해 설계된 최초의 아랍어 음성 요약 데이터셋인 AraMega-SSum을 소개한다. 우리는 네 가지 학습 전략을 비교한다: (i) 균일 혼합(UM), (ii) 태스크 점진적 커리큘럼(TPC), (iii) 학습 시 배치 구성을 위한 정렬기 기반 다양성 샘플링(ADS), (iv) 2단계 TPC->ADS 전략. 결과는 명확한 효율성-견고성 트레이드오프를 보여준다. TPC는 ASR과 요약을 포함한 생성 태스크에서 가장 강한 성능을 달성한다. ADS는 준언어적(paralinguistic) 태스크를 개선하지만, 단독으로 사용할 경우 생성 안정성을 저하시킨다. 2단계 TPC->ADS 전략은 최상의 전반적 균형을 제공하며, DID 및 SER에서 가장 강한 성능을 달성하는 동시에 판별 태스크에서 Gemini-2.5-Pro와 같은 대형 독점 모델을 능가한다. 우리는 아랍어 음성 이해에 관한 미래 연구를 지원하기 위해 AraMega-SSum과 모든 실험 자료를 공개적으로 배포할 예정이다.