في عالم تحسين تقنيات التعرف على الكلام، قام مجموعة من الباحثين بإجراء دراسة جديدة تسلط الضوء على أداء الأنظمة الحديثة عند التعامل مع الكلام المختلط بين الإنجليزية واليوروبا. تتمتع أنظمة التعرف على الكلام (ASR) ونماذج التعلم الصوتي (audio LMs) بمعدلات خطأ منخفضة على معايير أحادية اللغة، لكن أداؤها في اللغات الغنية بالحروف المتعارف عليها مثل اليوروبا لا يزال غير مفهوم بشكل كامل.

تقدم هذه الدراسة تقييمًا فريدًا لـ 11 نظامًا حديثًا، بما في ذلك ستة نماذج ASR وخمسة نماذج audio LMs، وذلك باستخدام مجموعة اختبار مكونة من 2000 تلاوة. تمثل النتائج التي تم الحصول عليها تحليلاً عميقًا لكيفية معالجة التبديل اللغوي. حيث تم التوسع في التقييم ليس فقط من خلال معدل الخطأ الكلي، بل أيضًا من خلال معدلات أخطاء خاصة بالتبديل، أبرزها معدل خطأ إدخال توكن التبديل (SETER) ومعدلات الأخطاء عند نقاط التبديل.

ولقد أظهرت النتائج الرئيسية أن معدل الخطأ الإجمالي يخفي سلوكيات التبديل اللغوي. فعلى الرغم من أن أفضل نظام حسب معدل الخطأ (وهو نموذج ASR) لا يمكن تمييزه إحصائيًا عن نموذج audio LM رائد من حيث هذا المقياس، إلا أن نموذج audio LM يتفوق كثيرًا على كل مقاييس أداء التبديل. وأظهرت البيانات أن التعرف على توكنات اليوروبا يعاني من انهيار خطير، بينما كانت توكنات الإنجليزية تُتعرف بشكل أفضل بكثير، مع تصاعد الأخطاء بشكل حاد عند التبديل إلى اليوروبا.

تدعو هذه الدراسة أيضًا إلى نشر أدوات وكتب دليل وبيانات تقييم لدعم التقييم القائم على التبديل في الكلام المختلط الإفريقي. إذا كنت مهتمًا بتعميق معرفتك حول هذه الأنظمة، ولا تفوت الفرصة للتفاعل مع هذا التطور المهم: ما رأيكم في هذه الابتكارات؟ نستقبل آراءكم في التعليقات!