في خطوة ثورية نحو تحسين الترجمة الصوتية إلى نصوص متعددة اللغات، قدم باحثون إطار عمل جديد يُعرف باسم MSRT، والذي يحل إشكالية "لعنة التعدد اللغوي"، حيث يُعاني المشفر الصوتي الأحادي من صعوبة في التفاعل مع لغات ذات موارد غير متساوية. تمثل التحديات في هذا السياق أنَّ اللغات ذات الموارد العالية تستحوذ على حصة كبيرة من القدرة التمثيلية، مما يؤثر سلباً على الأداء في اللغات ذات الموارد المنخفضة.

يعتمد إطار MSRT على فكرة مبتكرة تُسمى مزيج مشفرات الصوت (Mixture of Speech Encoders - MoSE). يُخصص هذا النظام كل عبارة إلى مشفر خاص بها، حيث يتم تجميد مشفر متخصص للغات ذات الموارد العالية، بينما يتم تدريب آخر ليكون مناسبًا للغات المتوسطة والضعيفة. هذه الاستراتيجية تمثل خطوة نحو تحسين الأداء العالمي للترجمة الصوتية إلى نصوص من خلال جعل البيانات أكثر كفاءة واحتياجاً أقل للموارد.

وعلاوة على ذلك، طوَّروا استراتيجية تعليمية من خمس مراحل تُقلل من الاعتماد على البيانات، حيث تتطلب فقط 10 ساعات من بيانات الترجمة الصوتية لكل لغة لضمان توازن فعّال.

خلال تجاربهم التي شملت 45 لغة، حقق النموذج الذي يحتوي على 4 مليارات معلمة نتائج رائعة تخطت نماذج أكبر في الحجم. وأظهرت التحليلات أن MoSE ليس فقط يحسن أداء اللغات عالية الموارد، بل أيضًا يزيد بشكل كبير من كفاءة اللغات ذات الموارد المنخفضة، مما يُنهي التحديات السابقة المرتبطة بتعدد اللغات.

لتعزيز مجتمع البحث في هذا المجال، أعلن الباحثون عن إطلاق الشيفرة والنماذج المستخدمة في هذا الابتكار، مما يفتح المجال أمام المزيد من الأبحاث المستقبلية.