LLM ASR 连接器共享策略提升多语言性能

研究人员为基于LLM的自动语音识别（ASR）系统开发了一种新颖的连接器共享策略，该策略利用了语言家族成员关系。这种方法允许单个连接器服务于同一家族内的多种语言，与为每种语言训练单独的连接器相比，减少了参数数量。该方法已在两个多语言LLM和真实语料库上得到验证，展示了改进的泛化能力，并为部署多语言ASR提供了更实用、更具可扩展性的解决方案。 AI

影响 这项研究提供了一种更高效、更具可扩展性的多语言ASR方法，有望降低部署成本并提高在不同语言群体上的性能。

排序理由 在arXiv上发表的研究论文，详细介绍了一种新的基于LLM的ASR方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• connector-sharing
• Hugging Face
• language family
• Language Family Matters: Evaluating LLM-Based ASR Across Linguistic Boundaries
• multilingual LLMs
• speech encoder
• Yuchen Zhang

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →