शोधकर्ताओं ने LuxSQA पेश किया, जो लक्समबर्गी में बोले गए प्रश्न उत्तर (SQA) के लिए एक विधि है जो बड़े मानव-रिकॉर्डेड कॉरपस की आवश्यकता के बिना प्रशिक्षण डेटा उत्पन्न करने के लिए टेक्स्ट-टू-स्पीच संश्लेषण का लाभ उठाती है। यह दृष्टिकोण मौजूदा टेक्स्ट-आधारित QA संसाधनों को लक्समबर्गी में अनुवाद करता है और कई TTS प्रणालियों का उपयोग करके बोले गए प्रश्नों का संश्लेषण करता है, जिन्हें बाद में पाठ्य उत्तरों के साथ जोड़ा जाता है।
- टीम एक फ्रोजन व्हिस्पर एन्कोडर को एक सीखे हुए प्रोजेक्टर और LoRA एडेप्टर्स के माध्यम से फ्रोजन बहुभाषी LLM बैकएंड्स से जोड़ने वाले पैरामीटर-कुशल SLAM-शैली आर्किटेक्चर का प्रशिक्षण देती है।
- वे लगभग 48k प्रश्नों के सिंगल-सोर्स कॉरपस और लगभग 230k प्रश्नों के मल्टी-सोर्स मिक्स का उपयोग करते हुए MMS-TTS, Qwen3-TTS, और OmniVoice वेरिएंट्स की तुलना करते हैं।
- वास्तविक लक्समबर्गी वक्ता स्थितियों के साथ LLAMA-LB-Test डेटासेट पर मूल्यांकन दिखाता है कि मल्टी-सोर्स और आवाज़-डिज़ाइन-आधारित संश्लेषित प्रशिक्षण विन्यास सबसे मजबूत SQA प्रदर्शन देते हैं।
- परिणाम संकेत करते हैं कि नो-रेफरेंस TTS गुणवत्ता स्कोर डाउनस्ट्रीम QA प्रदर्शन को मोनोटोनिक रूप से नहीं भविष्यवाणी करते हैं, जिसका सुझाव है कि संश्लेषित वक्ता को केवल प्राकृतिकता के लिए नहीं, बल्कि कार्य-विशिष्ट प्रशिक्षण डेटा के रूप में मूल्यांकन किया जाना चाहिए।
यह कार्य दिखाता है कि TTS कम-संसाधन SQA सेटिंग्स के लिए कार्य-विशिष्ट प्रशिक्षण डेटा को प्रभावी ढंग से प्रदान कर सकता है, उच्च-संसाधन भाषाओं के परे स्पीच-LLM विधियों की पहुँच का विस्तार करता है।