# Evalúan el encoder de voz de Gemma 4 con árabe saudí y del Golfo

> Un equipo probó un encoder de audio de Gemma 4 sin modificar sus pesos y otra versión con un adaptador ligero en grabaciones de centros de atención en árabe. Ambas lograron tasas de error comparables a las de modelos comerciales más grandes.

Oossa · 2026-10-22 · https://oossa.com/es/gemma-4-speech-encoder-evaluated-on-saudi-and-gulf-arabic-without-weight-changes

Un equipo liderado por Amr Abdelkhalik examinó el encoder de audio de 305 millones de parámetros que usan Gemma 4 y EmbeddingGemma 2. Mantuvieron fijos los pesos del encoder y entrenaron un lector CTC de 22,6 millones de parámetros (sistema congelado) o añadieron 3,1 millones de parámetros de adaptación y un lector híbrido CTC/atención de 41,5 millones (sistema adaptado). En comparación con Cohere Transcribe Arabic (2.07 B parámetros), el sistema congelado igualó las tasas de error de caracteres en la mayoría de las pruebas y funcionó 3,4 veces más rápido en CPU. El sistema adaptado obtuvo tasas de error de palabras estadísticamente similares en llamadas de atención al cliente de Arabia Saudita (19,20 % frente a 19,27 %) y superó a un reconocedor de 0.6 B parámetros en varias condiciones, con una decodificación 139 veces más rápida en una GPU.

## Los hechos

- Tamaño del encoder: 305 M parámetros
- El sistema adaptado añade 3,1 M parámetros de adaptación y un lector de 41,5 M

## Por qué importa

Los resultados muestran que un encoder de Gemma 4 congelado o adaptado ligeramente puede ofrecer una precisión de reconocimiento de voz en árabe cercana a la de modelos comerciales, con un costo computacional mucho menor. Esto puede ser útil para empresas que necesitan soluciones económicas y autogestionadas.

## Fuentes y referencias

1. [How Far Can the Gemma 4 Speech Encoder Go Without Changing Its Weights? Saudi and Gulf Arabic Speech Recognition with a Frozen and an Adapter-Augmented Encoder](https://arxiv.org/abs/2610.28673) – arXiv, 2026-10-22

Última actualización: 2026-10-22