WaxalNet 发布 19 种非洲语言语音识别基准

Victor Tolulope Olufemi 等作者在覆盖 19 种非洲语言自发语音的 WAXAL 语料上，评测了 Whisper、MMS、Omnilingual ASR 和 SeamlessM4T-v2 的零样本与微调表现，并发布代码及 100 多个微调模型。 结果显示，微调把宏平均词错误率（WER）从覆盖全部 19 种语言的最佳零样本模型 Omnilingual-7B 的 52.3 降至 300M 参数 MMS 的 36.2，以及 Omnilingual 配 LLM 解码器的 31.5；不过作者称零样本模型在少数语言上已具竞争力，且 LLM 解码器体积约为前者的五倍、在 CPU 上慢得多。 作者还称，按语系或全部 19 种语言合并为单一模型，相比逐语言模型平均只多 0.6 至 1.0 WER。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。