يقدم الباحثون طريقة LuxSQA للإجابة على الأسئلة المنطوقة (SQA) باللغة اللوكسمبورجية، والتي تستفيد من تركيب الكلام من النص لتوليد بيانات التدريب دون الحاجة إلى مجموعات بيانات ضخمة مسجلة بشرياً. تقوم هذه الطريقة بترجمة موارد الإجابة على الأسئلة القائمة على النصوص الموجودة إلى اللغة اللوكسمبورجية وتقوم بتركيب أسئلة منطوقة باستخدام أنظمة TTS متعددة، والتي يتم بعد ذلك اقترانها بإجابات نصية.
- يقوم الفريق بتدريب بنية على طراز SLAM فعالة من حيث المعلمات تربط مشفر Whisper المجمّد بخلفيات LLM متعددة اللغات المجمدة عبر مشروع متعلم ومحولات LoRA.
- يقارنون بين متغيرات MMS-TTS و Qwen3-TTS و OmniVoice باستخدام مجموعات بيانات أحادية المصدر تتكون من حوالي 48 ألف سؤال ومزيج متعدد المصادر يتكون من حوالي 230 ألف سؤال.
- أظهرت التقييمات على مجموعة بيانات LLAMA-LB-Test مع ظروف متحدثين حقيقيين للغة اللوكسمبورجية أن تكوينات التدريب الاصطناعي متعددة المصادر والمعتمدة على تصميم الصوت حققت أقوى أداء في SQA.
- تشير النتائج إلى أن درجات جودة TTS بدون مرجع لا تتنبأ بشكل رتيب بأداء الإجابة على الأسئلة في المرحلة التالية، مما يوحي بأنه يجب تقييم الكلام الاصطناعي كبيانات تدريب محددة بالمهمة بدلاً من التركيز فقط على طبيعته.
تُظهر هذه الدراسة أن TTS يمكنه توفير بيانات تدريب محددة بالمهمة بفعالية لإعدادات SQA منخفضة الموارد، مما يوسع نطاق طرق speech-LLM بما يتجاوز اللغات عالية الموارد.