शोधकर्ताओं ने COALA का प्रस्ताव रखा है, जो एक मजबूत फ्रेमवर्क है जिसे जटिल बहु-इकाई परिदृश्यों में स्वचलित वक्ता पहचान के लिए वक्ता-संवर्धित भाषा मॉडलों (SLMs) को बढ़ाने के लिए डिज़ाइन किया गया है। सिस्टम ऑडियो खंडों और उम्मीदवार इकाइयों के बीच मिलान तीव्रता को मात्रात्मक रूप देने के लिए SLM लैटेंट प्रतिनिधित्वों को एक विभेदक स्थान में मैप करके संदर्भ-विंडो सीमाओं को संबोधित करता है।
- बड़े पैमाने के पक्षपात सूचियों से प्रासंगिक लक्ष्य इकाइयों की पहचान करने के लिए SLM लैटेंट प्रतिनिधित्वों को एक विशेष विभेदक स्थान में मैप करता है।
- उन अध्ययनों में प्रशिक्षण पतन को संबोधित करता है जहाँ कई दुर्लभ शब्द सह-घटित होते हैं, जब बहु-लक्ष्य उच्चारणों का प्रबंधन किया जाता है।
- कंट्रास्टिव रेगुलराइजर और पक्षपात स्कोर अनुमान तकनीकों का उपयोग करता है।
- LibriSpeech बेंचमार्क पर विभिन्न पक्षपात सूची पैमानों पर श्रेष्ठ संदर्भ पक्षपात प्रदर्शन को प्रदर्शित करता है।