تصف هذه الورقة نظامًا لتحدي MLC-SLM 2026 يجمع بين واجهة أمامية معيارية لتقسيم المتحدثين ومُعرّف Qwen3-ASR-1.7B المُكيّف للتحدي.
تقوم الواجهة الأمامية للتقسيم باكتشاف نشاط الصوت، وتوليد مقاطع فرعية، واستخراج تضمينات المتحدثين CAMPPlus، والتجميع الطيفي لمتحدثين اثنين، وتجزئة الصوت بناءً على RTTM. يتم تجميع المقاطع المنسوبة للمتحدثين الناتجة حسب اللغة أو المنطقة ويتم فك تشفيرها بواسطة نموذج ASR المُكيّف. بالنسبة لتكييف ASR، يقوم النظام أولاً بإجراء ضبط دقيق كامل تحت الإشراف على بيانات التدريب الرسمية، ثم يطبق ضبط دقيق باستخدام LoRA مع كلام اصطناعي من إطار عمل TTS ذي ثلاث خطوط أنابيب، وأخيرًا يُحسّن النموذج باستخدام التعلم المعزز GRPO.
على مجموعة التطوير الرسمية، يحقق النظام الكامل متوسط tcpMER يبلغ 23.70، مما يقلل معدل الخطأ بمقدار 6.83 نقطة مطلقة مقارنة بأداء Qwen-ASR-1.7B المُعلن. على مجموعة التقييم النهائية، يحقق النظام متوسط tcpMER يبلغ 17.97.