في عالم الذكاء الاصطناعي، تواصل النماذج الصوتية اللغوية (Audio-Language Models) تطوير قدراتها لتشمل مجموعة متنوعة من الاستخدامات الواقعية. ومع ذلك، فإن التقييم الفعلي لهذه النماذج ما زال يرواح في مكانه، حيث لا تزال تفتقر إلى الأصالة اللغوية والثقافية، بالإضافة إلى عدم قدرتها على التقاط الخصائص الصوتية بشكل واقعي. للتغلب على هذه التحديات، تم تقديم معيار جديد يدعى غلوك أويديو (GlobeAudio)، الذي يمثل خطوة هامة نحو تحسين تقييم الفهم الصوتي.

يتكون غلوك أويديو من 5,637 سؤالًا متعدد الاختيارات، مُعدّة بعناية من قِبل متحدثين أصليين، وتغطي ست لغات متنوعة تمثل ثقافات مختلفة. يتطلب النجاح في هذا المعيار من النماذج تطوير مهارات تفكير سمعي أعلى وتفسير قائم على الثقافات. من خلال تقييم النماذج المفتوحة المصدر والمغلقة، نجد أن هناك فجوات كبيرة في الأداء تحت ظروف صوتية طبيعية، خاصة بالنسبة للنماذج مفتوحة المصدر واللغات ذات الموارد المحدودة.

هذه النتائج تبرز القيود الحرجة التي تعاني منها الأنظمة الصوتية الحالية، مما يؤكد على أهمية إجراء تقييمات طبيعية للفهم الصوتي في المستقبل. إن غلوك أويديو يعد علامة فارقة جديدة في مجال الذكاء الاصطناعي، ويفتح آفاقًا جديدة للتطوير والتحسين.

إليكم رابط غلوك أويديو للمزيد من المعلومات: [https://huggingface.co/datasets/iNLP-Lab/GlobeAudio]