CNTXT AI משגרת Munsit: מערכת זיהוי דיבור ערבית המדויקת ביותר שנבנתה אי פעם

ברגע מכריע עבור בינה מלאכותית בשפה הערבית, CNTXT AI השיקה Munsit, מודל זיהוי דיבור ערבי דור חדש שלא רק הוא המדויק ביותר שנוצר אי פעם עבור ערבית, אלא גם מבצע הישגים טובים יותר מענקים גלובליים כמו OpenAI, Meta, Microsoft ו-ElevenLabs בבדיקות ביצועים סטנדרטיות. שפותף באיחוד האמירויות הערביות ומותאם לערבית מהיסוד, Munsit מייצג צעד קדימה חזק במה ש-CNTXT AI קוראים “בינה מלאכותית ריבונית” – טכנולוגיה שנבנתה באזור, עבור האזור, אך עם תחרותיות גלובלית.

היסודות המדעיים של הישג זה מוצגים במאמר החדש שפורסם על ידי הצוות, “קידום זיהוי דיבור ערבי דרך למידה חלשה בקנה מידה גדול“, שמציג שיטת אימון יעילה ומסוגלת לטפל במחסור הממושך בנתוני דיבור ערביים מתועדים. שיטה זו – למידה חלשה – איפשרה לצוות לבנות מערכת שקובעת רף חדש עבור איכות תעתיק עבור ערבית סטנדרטית מודרנית (MSA) ויותר מ-25 ניבים אזוריים.

גיבוש המחסור בנתונים ב-ASR ערבי

הערבית, על אף שהיא אחת השפות המדוברות ביותר בעולם ושפה רשמית של האומות המאוחדות, הוגדרה זמן רב כשפה בעלת משאבים נמוכים בתחום זיהוי דיבור. זה נובע הן מהמורפולוגיה המורכבת שלה והן ממחסור בסטים נתונים גדולים ומגוונים של דיבור מתועד. בניגוד לאנגלית, שנהנית משעות רבות של נתוני אודיו מתועדים ביד, העשירות הניבית של הערבית ונוכחותה הדיגיטלית המפוצלת הציבו אתגרים משמעותיים לבניית מערכות ASR חזקות.

במקום לח