Persian
PulseAugur coverage of Persian — every cluster mentioning Persian across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
使用数据集工程和GPU技巧微调波斯语OCR模型
本文详细介绍了微调视觉语言OCR模型以支持波斯语的过程。文章强调了数据集工程和全模型微调技术的重要性，以及实用的GPU优化在此目标中的作用。作者还讨论了为什么LoRA（低秩自适应）不是此特定任务的选择方法。
-
新的ASR技术解决语音错误并提高判断可靠性
研究人员正在开发先进的方法来改进自动语音识别（ASR）系统，特别是在低资源语言方面以及解决特定类型的错误。一种名为Error-Aware TF-IDF的方法使用一种新颖的算法，根据历史语音错误识别来优先处理更正文档，从而显著降低词错误率。另一种名为G-SPIN的方法将语音图模型与大型语言模型相结合，通过将搜索空间限制在合理的语音替代方案内来纠正语义关键错误。此外，一项研究质疑用于评估LLM越狱尝试的自动判断的可靠性，揭示了其准确性和鲁…
-
研究发现，大型语言模型在将谚语翻译成忠实叙事方面存在困难
研究人员引入了一项名为“约束语义解压”的新任务，以评估大型语言模型（LLM）将抽象谚语转化为详细叙事的能力。他们使用波斯谚语和故事数据集，发现当前的大型语言模型在准确捕捉潜在的道德和因果结构方面存在困难，表现出“解压差距”。虽然模型可以生成流畅的文本，但它们常常无法忠实地表达谚语的预期含义，尽管显式推理和迭代改进等技术在提高性能方面显示出希望。
-
新的 ParsVoice 语料库提升波斯语 TTS 能力
研究人员推出了 ParsVoice，这是一个大规模的波斯语语音和文本数据新语料库，旨在推进波斯语的文本到语音（TTS）合成和其他语音处理任务。该数据集包含 2,200 小时的 TTS 就绪音频，拥有来自 1,815 名已识别说话人的超过 136 万个对齐片段，其规模远大于之前的波斯语语音数据集。创建过程涉及一个复杂的流程，包括微调 ParsBERT 模型、优化音频边界、恢复标点符号以及进行说话人识别和质量评估。通过微调多语言 TTS …
-
新数据集助力波斯语社交媒体文本分类
研究人员推出了 PerSoMed，一个新推出的用于分类波斯语社交媒体文本的大规模数据集。该数据集包含 36,000 篇帖子，涵盖九个类别，每个类别有 4,000 个样本以确保平衡。该研究对各种模型进行了基准测试，发现基于 Transformer 的架构，特别是 TookaBERT-Large，表现最佳。该资源旨在推动波斯语自然语言处理研究。
-
语音识别系统在语种转换语音上的基准测试
一项新的基准研究评估了五种商业自动语音识别（ASR）系统在语种转换语音上的表现，特别关注阿拉伯语、波斯语和德语与英语的混合。该研究引入了一个使用GPT-4o和Gemini 1.5 Pro对转录文本进行评分的新型流程，将LLM成本降低了91%，并采用BERTScore作为比传统词错误率（WER）更可靠的某些语种对的度量标准。ElevenLabs Scribe v2成为表现最佳的系统，在所有测试的语种对中实现了最低的WER和最高的BERTScore。
-
跨语言手写文本识别模型通过序列建模提高低资源性能
研究人员调查了跨语言迁移学习如何改进低资源阿拉伯语脚本语言的手写文本识别（HTR）。他们的研究表明，序列建模，而不仅仅是共享的视觉表示，是这些改进的关键，尤其是在数据稀缺的情况下。在阿拉伯语、乌尔都语和波斯语数据集上的实验表明，结合了卷积和序列建模的CRNN模型在多脚本训练时，其性能显著优于仅CNN的模型。这表明在低资源环境下，上下文理解在有效的HTR迁移学习中起着至关重要的作用。