Catalyex

新AI模型利用连续方言空间预测阿拉伯语说话人来源

研究人员开发了一种新颖的基于回归的方法，通过将方言变异建模为连续空间来预测阿拉伯语说话人的地理来源。该方法利用了分层神经网络，该网络结合了来自XLS-R 300M和Whisper Large V3的音频编码器表示以及语音学描述符。该模型实现了481.2公里的中位数定位误差，辅助头在国家预测方面达到64.5%的准确率，在城市预测方面达到45.2%。在零样本（zero-shot）机制下的进一步测试显示性能有所下降，突显了未来改进的领域。