قدم الباحثون DramaSR-LRM، وهو نهج قوي للتعرف على المتحدث في دراما التلفزيون طويلة المدى يستفيد من نماذج الاستدلال الكبيرة (LRM) لنسب العبارات المنطوقة إلى الشخصيات بدقة. كما يقدم العمل أيضًا DramaSR-532K، وهو معيار جديد يتكون من 532K سطر حوار مُعلَّقة عبر أكثر من 900 شخصية فريدة.
- يجمع DramaSR-LRM تلقائيًا أدلة سياقية عبر استخدام الأدوات متعددة الوسائط، ودمج الإشارات السمعية واللغوية والمرئية لتحقيق نسب عالي الدقة.
- يتفوق النموذج بشكل كبير على الأساسيات الحالية، خاصة في العبارات القصيرة حيث تكون البيومتريات الصوتية غير موثوقة بطبيعتها.
- يوفر معيار DramaSR-532K المرفق مجموعة بيانات واسعة النطاق ضرورية لدمج مدخلات متنوعة في فك رموز الحبكة المعقدة.
يعالج هذا النهج تحدي الفهم الشامل للفيديو من خلال تحسين دقة التعرف على المتحدث في السيناريوهات ذات الحبكة المعقدة والبيانات الصوتية المحدودة.