في عالم الذكاء الاصطناعي، يُعد استخراج المتحدثين من المحادثات الواقعية تحديًا كبيرًا. ولطالما عانت نماذج استخراج المتحدثين (Target Speaker Extraction - TSE) من نقص البيانات التدريبية والنظيفة التي تحتاجها لتدريب فعال. لكن البحث الجديد الذي تم طرحه على منصة arXiv يقدم حلاً مبتكرًا كليًا.

**PS4: إطار التدريب الثوري**
يُعرف هذا الإطار باسم PS4، والذي يتضمن طريقة مبتكرة للتدريب تعتمد على الإشراف غير المباشر. يبرز البحث عبر مساهمتين رئيسيتين:
1. **بناء قاعدة بيانات ضخمة**: قام الباحثون بإنشاء مجموعة بيانات ضخمة تضم 71,771 عينة تدريبية مأخوذة من أربع مجموعات بيانات عامة، تجمع بين السيناريوهات باللغة الصينية والإنجليزية. تحتوي كل عينة على مزيج من الكلام المتداخل، ومقاطع صوتية لكل متحدث، ونصوص صحيحة، بالإضافة إلى علامات نشاط صوتية على مستوى الإطار.
2. **استراتيجية التدريب غير المباشرة**: تم اقتراح استراتيجية مبتكرة تدرب نموذج TSE المعتمد على BSRNN باستخدام أربعة أهداف تفاضلية مكملة - يُسرع ذلك من تحسين الأداء في استخراج المتحدثين.

عند إطلاقه، حصل PS4 على المركز الثاني في قائمة المتحدين REAL-T، مُحققًا أفضل النتائج في تمييز المتحدثين وتوقيت الفعالية بين جميع الأنظمة المُقدمة.

رمز PS4 يخبرنا أننا على أعتاب نهضة في هذا المجال المتقدم من الذكاء الاصطناعي. فما رأيكم في هذه الإنجازات؟ شاركونا أفكاركم في التعليقات!