Key points are not available for this paper at this time.
تتناول هذه الورقة قدرات التعلم السياقي لنماذج التعرف على الكلام الآلي (ASR) الخاصة بويسبر التي أصدرتها OpenAI. يتم اقتراح نهج جديد للتعلم السياقي القائم على الكلام (SICL) للتكيف في وقت الاختبار، والذي يمكن أن يقلل من معدلات خطأ الكلمات (WER) مع عدد قليل من نماذج الكلام المصنفة دون استخدام تدرج الانحدار. أظهرت تجارب التكيف على مستوى اللغة باستخدام اللهجات الصينية أنه عند تطبيق SICL على ASR للكلمات المنعزلة، يمكن تحقيق تقليل نسبي متسق وكبير في معدلات WER باستخدام نماذج ويسبر بأي حجم على لهجتين، بمتوسط قدره 32.3%. يمكن تطبيق تقنية اختيار أمثلة سياقية قائمة على الجيران الأقرب لتحقيق كفاءة أكبر لـ SICL، مما يمكن أن يزيد المعدل النسبي المتوسط لتقليل WER إلى 36.4%. تم التحقق من النتائج باستخدام مهام تكيف المتحدث أو التعرف على الكلام المستمر، وكلاهما حقق تقليل نسبي كبير في معدلات WER. كما تم توفير تحليلات كمية مفصلة لتسليط الضوء على قدرة SICL على التكيف مع الاختلافات الصوتية والتفاصيل المعجمية الخاصة باللهجات.
دارس وونغ وآخرون (Mon,) درسوا هذا السؤال.