LuxSQA는 TTS 보강된 음성 질문을 통해 룩셈부르크어 SQA를 가능하게 함

연구자들은 룩셈부르크어 음성 질문 답변(SQA)을 위한 방법인 LuxSQA를 소개했으며, 이는 대규모 인간 녹음 코퍼스를 필요로 하지 않고 훈련 데이터를 생성하기 위해 텍스트-음성 합성(TTS)을 활용합니다. 이 접근 방식은 기존 텍스트 기반 QA 리소스를 룩셈부르크어로 번역하고 여러 TTS 시스템을 사용하여 음성 질문을 합성한 후 이를 텍스트 답변과 페어링합니다.

• 팀은 동결된 Whisper 인코더를 학습된 프로젝터와 LoRA 어댑터를 통해 동결된 다국어 LLM 백엔드에 연결하는 파라미터 효율적인 SLAM 스타일 아키텍처를 훈련합니다.
• 약 48k개의 질문을 포함하는 단일 소스 코퍼스와 약 230k개의 질문의 멀티소스 혼합을 사용하여 MMS-TTS, Qwen3-TTS 및 OmniVoice 변형을 비교합니다.
• 실제 룩셈부르크어 화자 조건에서 LLAMA-LB-Test 데이터셋에 대한 평가는 멀티소스 및 음성 디자인 기반 합성 훈련 구성이 가장 강력한 SQA 성능을 산출함을 보여줍니다.
• 결과는 참조 없는 TTS 품질 점수가 다운스트림 QA 성능을 단조롭게 예측하지 않음을 나타내며, 이는 합성 음성이 자연스러움뿐만 아니라 작업 특화 훈련 데이터로 평가되어야 함을 시사합니다.

이 연구는 TTS가 저자원 SQA 설정에서 작업 특화 훈련 데이터를 효과적으로 제공할 수 있음을 입증하며, 음성 LLM 방법의 고자원 언어를 넘어선 도달 범위를 확장합니다.