Indo-Aryan
PulseAugur coverage of Indo-Aryan — every cluster mentioning Indo-Aryan across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新模型恢复克什米尔语文本中的注音符号
研究人员开发了 Koshur Diacritizer，这是一种字节级序列到序列模型，旨在恢复克什米尔语文本中的注音符号。该模型解决了数字克什米尔语中省略注音符号的常见问题，这阻碍了自然语言处理应用。为了支持这项工作，发布了一个包含超过 23,000 个对齐句子对的新数据集，以及模型和源代码，以建立克什米尔语注音恢复的可复现基线，并帮助其他低资源语言的研究。
-
新的基准 FinVQA 和 FIND 框架解决了多语言金融推理问题
研究人员推出了 FinVQA，这是一个旨在评估多种印度语言金融推理和问答能力的新基准。该基准包含 18,900 个英文、印地语、孟加拉语、马拉地语、古吉拉特语和泰米尔语的样本，涵盖 14 个金融领域和各种问题格式。为了应对 FinVQA 带来的挑战，该团队还开发了 FIND，这是一个利用监督微调和约束感知解码来改进数值推理和多模态基础的框架。
-
新数据集和模型助力印度语言医疗对话
研究人员开发了 IndicMedDialog，一个旨在改进印度语言医疗对话系统的新数据集。该数据集包含英语和九种印度语言的并行多轮对话，通过使用 LLM 生成的合成咨询来增强现有的医疗对话数据而创建。研究团队还使用此数据集对小型语言模型 IndicMedLM 进行了微调，以实现个性化的多轮症状询问，并可选择患者的预设背景信息。
-
视觉线索增强印地语系电影字幕翻译
研究人员开发了一种视觉引导的电影字幕翻译方法，专注于资源匮乏的印地语系语言。他们的研究比较了两种轻量级的视觉基础策略，发现电影中的时间失配是一个重大挑战。虽然无差别的视觉基础通常无效，但选择性地用视觉上下文增强低质量字幕片段可以提高翻译质量。
-
LLM偏见研究揭示多语言生成中的南亚文化污名
研究人员开发了一种新方法来评估和缓解多语言大型语言模型中与purda和父权制相关的偏见。他们的工作侧重于南亚语言，识别在讲故事等生成任务中文化污名是如何被强化的。该研究引入了一个新的偏见词典，捕捉性别、宗教和婚姻状况等交叉维度，并测试了两种自我去偏策略以减少这些特定文化的偏见。
-
新基准评估六维度的印度语言TTS口音保真度
研究人员推出PSP，一个旨在评估印度语言文本到语音（TTS）系统口音准确性的新基准。与关注清晰度和自然度的现有指标不同，PSP通过将其分解为六个不同的维度来专门衡量口音，包括卷舌音合并和韵律特征发散。对ElevenLabs v3和Sarvam Bulbul等系统的初步测试显示，在词错误率方面表现最佳的系统不一定在口音保真度方面表现出色，这凸显了对更细致评估方法的需求。
-
新研究评估了 7 个针对 10 种印度语言的 TTS 系统
研究人员开发了一个新的框架来评估印度语言的文本转语音（TTS）系统，解决了众包评估中通常出现的高方差问题。该框架使用跨越 10 种印度语言的受控、多维度成对比较，收集了来自 1900 多名母语人士的 120,000 多条判断。该研究评估了七个最先进的 TTS 系统，分析了跨越六个感知维度（如可懂度和语音质量）的偏好，以创建一个多语言排行榜并理解模型权衡。