ترجمه فارسی مقاله خلاصه‌سازی انتزاعی از رونویسی صوتی

چکیده

Currently, large language models are gaining popularity, their achievements are used in many areas, ranging from text translation to generating answers to queries. However, the main problem with these new machine learning algorithms is that training such models requires large computing resources that only large IT companies have. To avoid this problem, a number of methods (LoRA, quantization) have been proposed so that existing models can be effectively fine-tuned for specific tasks. In this paper, we propose an E2E (end to end) audio summarization model using these techniques. In addition, this paper examines the effectiveness of these approaches to the problem under consideration and draws conclusions about the applicability of these methods.

چکیده به فارسی (ترجمه ماشینی)

در حال حاضر ، مدل های بزرگ زبان محبوبیت خود را به دست می آورند ، از دستاوردهای آنها در بسیاری از زمینه ها استفاده می شود ، از ترجمه متن گرفته تا تولید پاسخ به نمایش داده ها.با این حال ، مشکل اصلی این الگوریتم های یادگیری ماشین جدید این است که آموزش چنین مدلهایی به منابع محاسباتی بزرگی نیاز دارد که فقط شرکت های بزرگ فناوری اطلاعات دارند.برای جلوگیری از این مشکل ، تعدادی از روشها (LORA ، کمیت) ارائه شده است تا مدل های موجود بتوانند برای کارهای خاص به طور مؤثر تنظیم شوند.در این مقاله ، ما یک مدل خلاصه صوتی E2E (پایان تا پایان) با استفاده از این تکنیک ها پیشنهاد می کنیم.علاوه بر این ، این مقاله به بررسی اثربخشی این رویکردها در مورد مسئله مورد نظر می پردازد و در مورد کاربرد این روشها نتیجه گیری می کند.