低资源非洲语言ASR架构与适配策略对比研究

论文对比三种架构在低资源非洲语言ASR上的适配效果

资讯摘要

论文对五种低资源非洲语言及作为中等资源对照的斯瓦希里语开展系统对比，微调 Phi-4-multimodal-instruct、Whisper-large-v3-turbo 与 MMS-1B-all 三种不同架构模型，考察数据充足度、单语与多语适配、领域微调及语言适配器迁移。作者报告 Phi-4 总体准确率最佳，MMS 的 CER 相当，Whisper 的 CER 偏高并出现幻觉与重复循环；性能在不同数据规模饱和，语言类型复杂度持续影响错误率。

要点速读

1. 论文比较 Phi-4-multimodal-instruct、Whisper-large-v3-turbo、MMS-1B-all 在五种低资源非洲语言及斯瓦希里语上的表现
2. 作者报告 Phi-4 总体准确率最佳，MMS 的 CER 相当，Whisper 的 CER 偏高并伴随幻觉与重复循环
3. 领域微调提升 Phi-4 与 Whisper 但使 MMS 退化；代理语言适配器优于从零训练 MMS 适配器

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。