SIFT-50M: A Large-Scale Multilingual Dataset for Speech Instruction Fine-Tuning
Created by
Haebom
저자
Prabhat Pandey, Rupak Vignesh Swaminathan, K V Vijay Girish, Arunasish Sen, Jian Xie, Grant P. Strimel, Andreas Schwarz
개요
SIFT (Speech Instruction Fine-Tuning)는 음성-텍스트 대규모 언어 모델(LLM)의 지시어 미세 조정 및 사전 훈련을 위해 설계된 5천만 개의 예제로 구성된 데이터 세트입니다. 공개적으로 이용 가능한 음성 말뭉치(총 14,000시간의 음성 포함)를 기반으로 하며, 기존의 전문가 모델과 대규모 언어 모델을 활용하여 제작되었습니다. 5개 언어를 포함하며 다양한 음성 이해 및 제어 가능한 음성 생성 지시어를 다룹니다. SIFT-50M을 사용하여 훈련된 SIFT-LLM은 지시어 따르기 벤치마크에서 기존 음성-텍스트 LLM을 능가하며 기본적인 음성 작업에서도 경쟁력 있는 성능을 달성합니다. 추가 연구를 지원하기 위해 음성-텍스트 LLM의 지시어 따르기 능력을 평가하도록 특별히 설계된 벤치마크 데이터 세트인 EvalSIFT도 함께 소개합니다.
시사점, 한계점
•
시사점:
◦
음성-텍스트 LLM의 지시어 미세 조정 및 사전 훈련을 위한 대규모 고품질 데이터셋(SIFT-50M) 제공.