Transplantasi tokenizator meredam keruntuhan autoregresif pada ASR Bengali yang efisien di tepi

Para peneliti mengatasi kegagalan model pengenalan suara ringan seperti Moonshine pada bahasa yang kaya morfologi seperti Bengali dengan mengganti tokenizator byte-level mereka yang berpusat pada bahasa Inggris dengan kosakata BanglaBERT WordPiece skrip asli. Modifikasi ini mengubah ukuran matriks embedding token dan secara signifikan mengurangi fertilitas token dari 9,16 menjadi 1,30.

• Pendekatan ini mengurangi panjang urutan autoregresif sebesar 85,8%, sepenuhnya meredam ketidakstabilan dekoding.
• Dievaluasi pada dataset Lipi-Ghor 882 jam, arsitektur yang dimodifikasi mencapai Word Error Rate (WER) 21,54% dan Real-Time Factor (RTF) 0,0053.

Penelitian ini menyediakan cetak biru yang skalabel dan dapat direproduksi untuk adaptasi lintas-skrip model ASR kompak tanpa memerlukan pra-pelatihan yang intensif sumber daya.