O MMS 1B é o modelo de reconhecimento de voz massivamente multilingue da Meta. Já conhece o lingala, mas o seu alfabeto não inclui ɔ nem ɛ, duas letras da convenção de escrita Maloba. Treinámos um adaptador de língua, ou seja 0,23 % dos parâmetros do modelo, sobre as 47,79 horas da partição de treino V3.2, alargando o alfabeto a essas duas letras.
O mesmo WER que o Whisper, um CER mais baixo
No teste V3.2 sem fuga, o adaptador MMS obtém 44,12 % de palavras erradas contra 44,17 % do Whisper afinado. A diferença não está estabelecida. Ao caráter, pelo contrário, o MMS faz melhor: 16,26 % contra 18,95 %. Os seus erros são mais leves e as suas saídas mais legíveis.
Uma especialização, não uma regressão
Em FLEURS, um conjunto de fala lida em lingala, o MMS de origem mantém-se melhor (14,66 % contra 22,48 %). O adaptador especializou-se na fala de terreno do projeto, rádio e balcão, em detrimento da fala lida. Publicamos os dois números.
O adaptador herda a licença CC-BY-NC 4.0 do MMS. Está publicado no Hugging Face.
Por Equipa Maloba, a 29 de setembro de 2026.