한 연구는 보조 언어에서 저자원 아프리카 언어로 대규모 자동 음성 인식(ASR) 모델에 대한 교차언어 전이를 언어적 관련성을 활용하여 강화할 수 있는지 여부를 평가했습니다. 이 연구는 6가지 요인, 2개의 아프리카 중심 코퍼스, 4개의 대규모 ASR 모델을 아우르는 체계적인 통제 실험 설계를 통해 이 프레임워크를 확장했습니다.
- 관련 보조 언어에서의 사전 적응은 표적 언어 데이터가 최소한일 경우 실질적으로 의미 있는 전이 향상을 가져오지 않습니다.
- 이러한 발견은 언어적 관련성만으로는 대규모 다국어 ASR에서 교차언어 전이 이득을 신뢰할 수 있게 예측하지 못할 수 있음을 시사합니다.
- 따라서 이 접근법은 저자원 언어에 이러한 모델을 확장하기 위한 효과적인 전략이 되지 못합니다.
저자들은 이 전략이 소규모 ASR 모델에서는 개선을 보여왔으나 대규모 다국어 시스템의 맥락에서는 신뢰할 수 있는 이점을 제공하지 못한다는 결론을 내렸습니다.