Pesquisadores apresentam o LuxSQA, um método para Resposta a Perguntas Faladas (SQA) em luxemburguês que aproveita a síntese de fala a partir de texto para gerar dados de treinamento sem exigir grandes corpora gravados por humanos. A abordagem traduz recursos existentes de QA baseados em texto para luxemburguês e sintetiza perguntas faladas usando múltiplos sistemas TTS, que são então pareados com respostas textuais.
- A equipe treina uma arquitetura eficiente em parâmetros no estilo SLAM, conectando um codificador Whisper congelado a backends de LLM multilíngues congelados por meio de um projetor aprendido e adaptadores LoRA.
- Eles comparam variantes MMS-TTS, Qwen3-TTS e OmniVoice usando corpora de fonte única com cerca de 48k perguntas e uma mistura multi-fonte de aproximadamente 230k perguntas.
- A avaliação no conjunto de dados LLAMA-LB-Test com condições reais de falantes luxemburgueses mostra que configurações de treinamento sintético multi-fonte e baseadas em design de voz produzem o melhor desempenho de SQA.
- Os resultados indicam que escores de qualidade TTS sem referência não preveem monotonicamente o desempenho de QA subsequente, sugerindo que a fala sintética deve ser avaliada como dados de treinamento específicos da tarefa, e não apenas quanto à naturalidade.
Este trabalho demonstra que o TTS pode fornecer efetivamente dados de treinamento específicos da tarefa para configurações de SQA com poucos recursos, expandindo o alcance dos métodos LLM de fala além das línguas de alto recurso.