Para peneliti mengembangkan kerangka kurikulum yang dikondisikan nada untuk enam bahasa Bantu Selatan guna mengatasi tingkat kesalahan kata (WER) zero-shot yang tinggi pada model ASR fondasi saat ini. Pendekatan ini menggabungkan skor kesulitan hibrida, adaptor gerbang yang digerakkan oleh statistik nada, dan pelatihan kurikulum bertahap pada korpus komunitas.

  • W2V-BERT dengan kondisioning nada mencapai WER rata-rata 28,41% di seluruh dataset dan 23,79% pada transfer Xitsonga.
  • W2V-BERT mengungguli Whisper sebesar 3 hingga 4 poin WER pada bahasa Nguni, sementara Whisper berkinerja lebih baik pada bahasa Sotho-Tswana.
  • Tidak ada satu model pun yang cocok untuk keenam bahasa tersebut, menunjukkan bahwa penyebaran harus memadukan pemilihan model per bahasa dengan validasi lintas korpus.

Studi ini menyoroti interaksi jelas antara arsitektur dan bahasa, menyarankan bahwa penyebaran yang efektif memerlukan pemilihan model spesifik untuk setiap bahasa daripada mengandalkan solusi universal.