Maxaa dhacay
Cilmi baadhayaashu waxay soo bandhigeen FireRedAudio, oo ah nooc luqad maqal oo ujeedo-guud ah oo loogu talagalay in lagu fahmo oo laga dhaliyo hadalka gudaha hal nidaam oo iskiis u tabobar leh. Qorayaashu waxay ka warbixiyaan taageerada fahamka maqalka, aqoonsiga hadalka tooska ah ee luqadaha badan, eber-shot iyo tilmaan-raaca qoraalka-hadalka, iyo tafatirka hadalka micnaha iyo dhawaaqa.
Waraaqda, oo loo gudbiyay arXiv Agoosto 25, 2026, waxay soo bandhigaysaa FireRedAudio qaab midaysan oo loogu talagalay macluumaadka maqalka luqadda, paralinguistic iyo deegaanka iyo sidoo kale habaynta hadalka iyo tafatirka. Doorashadiisa qaabdhismeed dhexe waa inay kala soocdo soo-gelinta joogtada ah ee loo adeegsado fahamka kuwa loo isticmaalo jiilka. Qorayaashu waxay yiraahdeen tani waxay u oggolaaneysaa qaab luqadeed oo la wadaago oo 9-bilyan oo cabbir ah si uu u qabto hawlaha soo rogaya shuruudo kala duwan oo ku saabsan matalaadda maqalka gudaha. Isha ayaa tilmaameysa nidaamka qaab cilmi baaris, ma aha sida badeecad ganacsi ama adeeg la aasaasay.
Codka u baahan in la aqoonsado ama la falanqeeyo, nidaamku waxa uu isticmaalaa cod-qaadaha maqalka ah ee u go'an. Jiilka hadalka, waxay isticmaashaa dariiqa ku salaysan RedAE. Qaabka luqadda ayaa si toos ah u dhalin kara qoraal ama xaalad isbedbedelka fidinta qulqulka-qulqulaya, oo lagu tilmaamay isha sida DiT, si loo soo saaro dhawaaqyo qarsoon oo joogto ah. Wargeysku wuxuu sheegayaa in qaabka si tartiib tartiib ah loogu tababaray hawlo badan. Qoraalku ma siinayo xogta tababarka-tababarka, kharashka tababarka, qalabka la isticmaalay, qiyaasaha qaybaha maqalka, ama xidhiidhka saxda ah ee ka dhexeeya qaabka luqadda la wadaago iyo qaybaha kale.
Qorayaashu waxay soo tebiyaan in FireRedAudio ay taageerto aqoonsiga hadalka tooska ah iyo fahamka maqalka ee duubista ilaa hal saac, oo ay weheliso eber-ku-shub qoraal-hadal-hadal, tilmaan-raac-raac-qoraal-la-hadal, iyo tafatirka hadalka micnaha iyo dhawaaqa. Waxa kale oo ay ka warbixiyeen in habaynteeda maqalka qaab-dheer ay siinayso saxnaanta wakhtiga shaambada heerka ilbidhiqsiyo. Sheegashada qiimaynta ee lagu soo koobay nuxurka, qaabka waxa lagu tilmaamay mid tartan ama hogaaminaya fahamka maqalka iyo aqoonsiga hadalka luuqadaha badan, sida isagoo leh saxnaanta nuxurka adag iyo ilaalinta hadalka ee isku xidhka hadalka eber, iyo muujinta tilmaamaha hogaaminta ee raacaya tilmaamaha ku salaysan jiilka hadalka.
Qorayaashu waxa kale oo ay ka warbixiyaan horumaro la taaban karo oo laga sameeyay Ming-UniAudio-Edit ee tafatirka semantic iyo acoustic labadaba, laakiin isha la keenay kuma jiraan natiijooyin tirooyin ah ama magacyada bartilmaameedka.
Faahfaahinta isha: arxiv.org ↗
Maxay muhiim u tahay
Shaqadu waxay ka hadlaysaa xiisadda naqshadaynta dhexe ee maqalka AI: nidaamyada fahma duubista dheer waxay ka faa'iidaystaan matalaad kooban, halka nidaamyada soo saara ama wax ka beddela hadalka ay u baahan yihiin wakiillo ilaalinaya macluumaadka codka oo faahfaahsan. Habka la kala saaray ee FireRedAudio wuxuu ku siin karaa waddo loo maro habab maqal oo ballaadhan, in kasta oo natiijooyinka la soo sheegay ay weli yihiin sheegashooyin ka imanaya daabacaad cusub.
Muhiimadda ugu weyn ee warqaddu waa qaab-dhismeedka. Fahamka maqalka iyo jiilka hadalka ma wanaajiyaan matalaad isku mid ah. Duubista dhaadheer way fududahay in la habeeyo marka macluumaadka lagu soo koobo sifooyin ilaalinaya macnaha marka loo eego macnaha guud, halka dib u dhiska hadalka iyo tafatirka uu u baahan yahay tafaasiil dhawaaqeed oo miisan leh. Istaraatiijiyada matalida ee FireRedAudio ee la kala saaray ayaa loo soo bandhigay si ay ugu ogolaato hal hab oo ku salaysan qaab luuqadeed in uu u adeego labada baahiyo iyada oo aan lagu qasbin hal wakiil in uu qabto shaqo kasta. Taasi waa jihada cilmi baadhiseed ee la taaban karo halkii ay ka ahaan lahayd sheegasho guud oo ah in hal nooc uu xamili karo habab badan.
Haddii awoodaha la soo sheegay ay guud noqdaan, nidaamka nashqadani wuxuu yarayn karaa baahida loo qabo in la ururiyo qalabyo kala duwan oo loogu talagalay qorista, falanqaynta duubista dheer, isku dhafka hadalka iyo tafatirka hadalka. Isku-dhafkan wuxuu faa'iido u yeelan karaa socodka shaqada ee ku lug leh maqal la raadin karo, macluumaad laga sheekeeyay, codadka dhexmara ama dib u eegista la kontoroolo ee duubista. Fahamka qaab-dheer iyo shaambada wakhtiga-labaad ayaa si gaar ah u khuseeya in la helo dhacdooyinka duubista dheer. Si kastaba ha ahaatee, isha ayaa caddaynaysa oo kaliya in qorayaashu ay soo sheegaan awoodahaas; ma caddaynayso in FireRedAudio uu ka dhakhso badan yahay, ka jaban yahay, ka sahlan yahay in lagu shaqeeyo ama ka saxsan yahay hababka wax soo saarka ee jira.
Qaabka la sheegay awoodaha ilaalinta luuqadaha badan iyo ku hadalaha ayaa waliba muhiim ah sababtoo ah nidaamyada hadalku way fashilmi karaan marka luqadda, lahjadda, xaaladaha duubista ama aqoonsiga hadalka la beddelo. Qaabka si fiican uga shaqeeya cabbirradaas ayaa balaadhin kara gelitaanka aaladaha maqalka oo ka dhigi kara tafatirka mid la xakameyn karo. Laakin qoraalka la taaban karo ma bixiyo liis luqadeed, cabbir-tijaabo, cabbiraadda hadalka, xaaladaha dhawaaqa ama hababka qiimaynta aadanaha. Sidoo kale ma aqoonsanayso in natiijooyinka lagu cabbiray hababka ganacsiga, moodooyinka furan, ama kaliya saldhigyada cilmi-baarista ee la doortay. Maqnaanshahaas ayaa xaddidaya sida kalsoonida leh ee sheegashada loogu tarjumi karo mid guud ama saameyn la taaban karo.
Sidaa darteed shaqada waa in loola dhaqmaa sidii horumar cilmi baaris oo faa'iido leh, ee maaha caddayn in qaabka guud ee ujeeddada maqalka uu xaliyay habaynta maqalka ee midaysan. Waraaqdu waa daabacaad cusub, sheegashadeeduna si madax banaan looguma aasaasin alaabta la keenay. Isha ayaa sheegaysa in koodka laga heli karo isku xirka, laakiin qoraalka bogga la bixiyay ma daaha ka qaadayo ciwaanka kaydka la isticmaali karo, miisaanka moodeelka, shatiga ama tilmaamaha taranka. Faahfaahintaasi waxay go'aamin doontaa in wax-ku-darku inta badan yahay soo jeedinta qaab-dhismeedka ama kheyraadka la taaban karo ee cilmi-baarayaasha iyo horumariyeyaasha.
Farsamaynta Is-dhexgalka: Sida Dhabta Ay U Shaqeyso
U baadh tignoolajiyada hoose ee ka dambeeya horumarkan si isdhexgal leh.
Which component of an AI application is the machine-learning model itself?
Maxaa la daawan doona xiga
Jeegaga soo socda ee muhiimka ah waa bal in koodka, miisaanka moodeelka iyo shatiga la heli karo iyo in kale; sida nidaamku ugu shaqeeyo bartilmaameedyada la magacaabay iyo imtixaanada madaxa banaan; Luuqadaha iyo xaaladaha duubista ee ay taageerto; iyo haddii sheegashooyinkeeda habaynta hadalka iyo ilaalinta hadalka ay ka baxsan yihiin qiimaynta qorayaasha. Qoraalku ma bixiyo buundooyinka bar-tilmaameedka, kaydinta xogta, xisaabinta shuruudaha ama caddaynta geynta.
Qodobka ugu horreeya ee lagu xaqiijiyo waa soo saarista. Akhristayaasha la socda waa inay hubiyaan in koodka la ballanqaaday la heli karo iyo in kale, haddii miisaan la sii tababbaray lagu daray, shatiga maamula, iyo kharashyada qalabka iyo ka-fiirsashada loo baahan yahay. Nuqulku ma sheegayo in moodelku uu ku socon karo gudaha, haddii ay u baahan tahay kaabayaal gaar ah, ama in dhammaan hawluhu isticmaalaan dariiq adeeg oo isku mid ah. Qaabka 9-bilyan ee cabbirka luqadda ayaa laga yaabaa inuu dhexdhexaad ka ahaado shuruudaha cilmi-baarista isagoo wali soo rogaya shuruudo kheyraad oo macno leh, laakiin isha ma bixiso wax sal ah oo lagu qiyaaso.
Luuqadda qiimaynta la soo sheegay waxay sidoo kale u baahan tahay tafaasiil dheeraad ah. Natiijooyinka "tartanka ama hogaaminta" lama qiimeyn karo iyada oo aan la helin dhibco tirooyin, xog-ururin la magacaabay, nidaamyada isbarbardhigga, kala qaybsanaanta qiimeynta iyo hababka imtixaannada tirakoobka ama aadanaha. Aqoonsiga hadalka luuqadaha badan, su'aalaha muhiimka ah waxaa ka mid ah luqadaha la tijaabiyay iyo sida waxqabadku isu beddelo lahjadaha, sawaxanka iyo beddelka koodka. Qoraal-ku-hadalka, saxnaanta nuxurka iyo ilaalinta hadalka keligeed ma dejiso dabiiciga, muujinta ama kalsoonida. Wixii tafatir, semantic iyo isbeddellada dhawaaq waa in si gaar ah loo qiimeeyaa si loo go'aamiyo in nidaamku beddelo kaliya waxa la codsaday iyadoo la ilaalinayo wax kasta oo kale.
Sheegashada macnaha guud waxay sidoo kale dammaanad qaadaysaa imtixaan la taaban karo. Isha ayaa sheegeysa in fahamka maqalku uu gaarsiisan yahay duubista illaa hal saac iyo in shaambada waqtiyadu ay gaaraan heerka saxda ah ee heerka labaad, laakiin ma sharraxayo sida saxnaanta ay u kala duwan tahay dhererka duubista ama haddii waxqabadku hoos u dhaco marka ay jiraan ku hadla badan, hadal is dulsaaran ama dhawaaqyada deegaanka. Tijaabooyin madax-bannaan ayaa sidoo kale baari kara in tusaaluhu si la isku halleyn karo uu uga sooco nuxurka hadalka iyo macluumaadka deegaanka, halkii lagu guulaysan lahaa oo keliya qaababka shaqada ee loo isticmaalo muddada tababarka.
Ugu dambeyntii, shaqada mustaqbalka waa in ay caddeyso dowladnimada oo si khaldan loo isticmaalo su'aalaha aan laga hadlin nuxurka. Isku-dubbaridka hadalka iyo tafatirka waxay saamayn karaan oggolaanshaha, u-jeedinta, iska-yeelyeelka iyo qiimaha caddaynta ee duubista. Isha ma sheegayso in FireRedAudio ay ku jirto ilaalin, hababka la isku halayn karo, xaddidaadaha isticmaalka ama habdhaqanka siidaynta hadalka la sameeyay iyo tafatirka. Kuwa aan la garanayn ma diidaan wax ku biirinta farsamada, laakiin waxay muhiim u yihiin in la xukumo sii dayn kasta oo dambe ama hawlgelin. Waqtigan xaadirka ah, gabagabada ugu difaaci kara waa in warqadu ay ka warbixiso nashqad maqal midaysan oo rajo leh oo qiimaheeda la taaban karo ay ku xidhan tahay dib u soo saarista iyo qiimaynta madax banaan.