# Gemma 4 का स्पीच एन्कोडर सऊदी और खाड़ी अरबी पर परखा गया

> शोधकर्ताओं ने बिना बदले Gemma 4 के ऑडियो एन्कोडर और हल्के अडैप्टर वाले संस्करण को अरबी कॉल-सेंटर ऑडियो पर परखा। दोनों की त्रुटि दर बड़े व्यावसायिक मॉडलों के करीब रही।

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

Amr Abdelkhalik के नेतृत्व वाली टीम ने Gemma 4 और EmbeddingGemma 2 में इस्तेमाल होने वाले 305-मिलियन पैरामीटर के ऑडियो एन्कोडर का अध्ययन किया। उन्होंने एन्कोडर के वेट्स को स्थिर रखा और या तो 22.6 M पैरामीटर वाला CTC रीडर (फ्रोजन सिस्टम) प्रशिक्षित किया, या फिर 3.1 M अडैप्टर पैरामीटर और 41.5 M का हाइब्रिड CTC/अटेंशन रीडर जोड़ा (अडैप्टेड सिस्टम)। Cohere Transcribe Arabic (2.07 B पैरामीटर) की तुलना में फ्रोजन सिस्टम ने ज़्यादातर परीक्षणों में कैरेक्टर एरर रेट के मामले में बराबरी की और CPU पर 3.4 × तेज़ चला। सऊदी ग्राहक-सेवा कॉल में अडैप्टेड सिस्टम की वर्ड एरर रेट सांख्यिकीय रूप से समान रही (19.20 % बनाम 19.27 %) और कई स्थितियों में 0.6 B पैरामीटर वाले रिकग्नाइज़र से बेहतर रहा। एक GPU पर डिकोडिंग की रफ्तार 139 × तेज़ थी।

## तथ्य

- एन्कोडर का आकार: 305 M पैरामीटर
- अडैप्टेड सिस्टम में 3.1 M अडैप्टर पैरामीटर और 41.5 M का रीडर जोड़ा गया

## यह क्यों मायने रखता है

नतीजे बताते हैं कि फ्रोजन या हल्के ढंग से अडैप्ट किया गया Gemma 4 एन्कोडर बहुत कम कंप्यूट के साथ व्यावसायिक अरबी स्पीच-रिकग्निशन मॉडलों के करीब सटीकता दे सकता है। यह उन कंपनियों के लिए उपयोगी है जिन्हें किफायती, अपने सर्वर पर चलने वाले समाधान चाहिए।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-22