MERaLiON-GR: Nuovo Modello di Riconoscimento del Genere Vocale Supera lo Stato dell'Arte in Inglese e Lingue del Sud-Est Asiatico

È stato sviluppato un nuovo sistema di riconoscimento del genere vocale chiamato MERaLiON-GR, in grado di classificare le voci come femminili o maschili in inglese e nelle lingue del Sud-Est asiatico (SEA). Questo modello utilizza MERaLiON-SpeechEncoder-2, un grande trasformatore pre-addestrato su un ampio dataset vocale, ottimizzato tramite Low-Rank Adaptation (LoRA) per l'efficienza. Include una rete multi-scala ECAPA-TDNN con attenzione pooling e un classificatore lineare semplificato. Test completi su varie lingue a Singapore e nel Sud-Est asiatico—tra cui inglese, cinese, malese, tamil, thailandese, vietnamita, indonesiano e khmer—dimostrano che MERaLiON-GR supera il principale modello di riconoscimento del genere Vox-Profile e un significativo Audio-LLM sia in valutazioni a livello di intera frase che a livello di segmento. Questi risultati evidenziano l'importanza di modelli vocali specializzati per raggiungere un'alta accuratezza. L'articolo di ricerca è disponibile su arXiv con l'identificatore 2608.04433.