arXiv cs.CL· Andoni Sudupe, Inma Hernaez, Ander Arriandiaga, Christoforos Souganidis, Ibon Saratxaga, Eva Navas·· 12 小时前AI 评分26
首个巴斯克语开源语音语言模型发布，基于 LLaMA-Omni 与 Latxa 构建
Developing a Speech Language Model for Basque
AI 导读
首个面向巴斯克语的开源语音语言模型发布，基于 LLaMA-Omni 架构并以 Latxa 为骨干，通过微调多个模块将巴斯克语能力迁移到语音模态，支持低延迟端到端语音交互。为缓解数据稀缺，团队将英文 VoiceAssistant-400K 语料翻译为巴斯克语并用巴斯克语 TTS 合成音频。评测显示内容质量 3.86/5、语音可懂度 WER 9.94%、音频质量 UTMOS 3.07。
正文 · AI 翻译
摘要：尽管近期 LLMs 的发展为多模态交互铺平了道路，但少数语言仍难以跟上步伐。本工作提出了首个面向巴斯克语的开放语音语言模型，专为低延迟、端到端口语交互而设计。该系统基于 LLaMA-Omni 架构，以 Latxa 模型作为骨干，通过微调多个模块将其巴斯克语能力迁移到语音模态。为应对数据稀缺问题，将英文 VoiceAssistant-400K 语料库翻译成巴斯克语，并使用巴斯克语 TTS 合成音频。评估结果证实了系统的可行性，内容质量达到 3.86/5，语音可懂度 WER 为 9.94%，音频质量 UTMOS 为 3.07。本工作表明，即使在低资源语言中，也可以利用模块化架构和合成数据开发先进的语音交互系统。
| 评论： | IberSPEECH2026 - Jornadas en Tecnologias del Habla 与 Iberian SLTech Workshop 活动 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；音频与语音处理（eess.AS） |
| 引用为： | arXiv:2610.36911 [cs.CL] |
| （或 arXiv:2610.36911v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36911 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Andoni Sudupe [查看电子邮件]
[v1]
2026年10月27日星期二 09:40:42 UTC（16,655 KB）
来源：arXiv cs.CL · arxiv.org