طوّر الباحثون إطاراً منهجياً مشروطاً بالنبرة لست لغات بانتو جنوبية لمعالجة معدلات الخطأ في الكلمات (WER) العالية في وضع الصفر-shot لنماذج ASR الأساسية الحالية. يجمع هذا النهج بين تقييم صعوبة هجين، ومحوّلات مقبوضة مدفوعة بالإحصاءات النبروية، وتدريب منهجي متدرج على مجموعة بيانات مجتمعية.
- حقق W2V-BERT المشروط بالنبرة معدل خطأ في الكلمات (WER) متوسطه 28.41% عبر مجموعات البيانات و23.79% في نقل لغة Xitsonga.
- تفوّق W2V-BERT على Whisper بمقدار 3 إلى 4 نقاط من WER في لغات Nguni، بينما كان أداء Whisper أفضل في لغات Sotho-Tswana.
- لم يناسب نموذج واحد جميع اللغات الستة، مما يشير إلى أن النشر يجب أن يزاوج بين اختيار النموذج لكل لغة والتحقق عبر مجموعات البيانات.
تسلط الدراسة الضوء على التفاعلات الواضحة بين البنية واللغة، مما يوحي بأن النشر الفعال يتطلب اختيار نماذج محددة لكل لغة بدلاً من الاعتماد على حل عالمي.