Para peneliti memperkenalkan LuxSQA, sebuah metode untuk Jawaban Pertanyaan Lisan (SQA) dalam bahasa Luksemburg yang memanfaatkan sintesis teks-ke-suara untuk menghasilkan data pelatihan tanpa memerlukan korpus rekaman manusia berskala besar. Pendekatan ini menerjemahkan sumber daya QA berbasis teks yang ada ke dalam bahasa Luksemburg dan mensintesis pertanyaan lisan menggunakan beberapa sistem TTS, yang kemudian dipasangkan dengan jawaban tekstual.
- Tim melatih arsitektur bergaya SLAM yang efisien parameter, menghubungkan encoder Whisper beku ke backend LLM multibahasa beku melalui projector yang dipelajari dan adapter LoRA.
- Mereka membandingkan varian MMS-TTS, Qwen3-TTS, dan OmniVoice menggunakan korpus sumber-tunggal sekitar 48k pertanyaan dan campuran multi-sumber sekitar 230k pertanyaan.
- Evaluasi pada dataset LLAMA-LB-Test dengan kondisi penutur bahasa Luksemburg nyata menunjukkan bahwa konfigurasi pelatihan sintetis multi-sumber dan berbasis desain suara menghasilkan kinerja SQA terkuat.
- Hasilnya menunjukkan bahwa skor kualitas TTS tanpa referensi tidak memprediksi kinerja QA downstream secara monoton, yang menyiratkan bahwa ucapan sintetis harus dievaluasi sebagai data pelatihan spesifik-tugas daripada hanya untuk kealamian.
Karya ini mendemonstrasikan bahwa TTS dapat secara efektif menyediakan data pelatihan spesifik-tugas untuk pengaturan SQA sumber daya rendah, memperluas jangkauan metode speech-LLM melampaui bahasa sumber daya tinggi.