# طرحی تکرارشونده برای کوچک‌تر کردن مدل‌های تشخیص گفتار

> پژوهشگران پیشنهاد می‌کنند وزن‌ها در بلوک‌های تکراری به اشتراک گذاشته شوند تا حجم مدل‌های ASR کاهش یابد، بی‌آنکه بیشتر دقت مدل‌های بزرگ‌تر از دست برود.

Oossa · 2026-10-30 · https://oossa.com/fa/a-recurrent-design-aims-to-shrink-speech-recognition-models

گروهی از پژوهشگران در مقاله‌ای که در arXiv منتشر کرده‌اند، مدلی برای تشخیص گفتار پیشنهاد می‌کنند که به‌جای اختصاص پارامترهای جداگانه به هر لایه، مجموعه کوچکی از بلوک‌ها را دوباره به کار می‌گیرد. به گفته پژوهشگران، این روش در کنار شیوه‌های آموزشی‌ای که دانش مدل‌های بزرگ‌تر را منتقل می‌کنند، با حدود یک‌دهم تعداد پارامترها همان دقت را حفظ می‌کند.

طبق چکیده مقاله، مدل این گروه با دو بلوک مشترک در معیارهای Open ASR Leaderboard، 97.4% از میانگین دقت مدل‌های بزرگ را به دست آورد. پژوهشگران همچنین روشی برای سازگار کردن مدل کوچک با کاربران منفرد شرح می‌دهند، اما در چکیده اندازه‌گیری‌هایی روی دستگاه‌ها ارائه نمی‌کنند و عملکرد مدل را در استفاده واقعی مشخص نمی‌سازند.

## حقایق

- پژوهشگران گزارش می‌کنند که مدل دو‌بلوکی در معیارهای Open ASR Leaderboard به 97.4% از میانگین دقت مدل‌های بزرگ دست یافت.
- این مقاله در October 30, 2026 در arXiv منتشر شد.

## چرا مهم است

برای سازندگان فناوری تشخیص گفتار در ساعت‌ها و عینک‌ها، کاهش تعداد پارامترهای مدل می‌تواند محدودیت حافظه را کمتر کند؛ اما هنوز مشخص نیست این طرح در دستگاه‌های واقعی، سرعت یا صرفه‌جویی انرژی مفیدی به همراه دارد یا نه.

## منابع و ارجاع‌ها

1. [Depth through Recurrence: Towards Ultra-Efficient On-Device ASR](https://arxiv.org/abs/2610.37833) – arXiv cs.LG, 2026-10-30

آخرین به‌روزرسانی: 2026-10-30