Benchmarking and Domain Adaptation of Automatic Speech Recognition (ASR) for Adolescent Health Communication in Ghanaian Languages

{"tags": ["ASR", "Speech Recognition", "Domain Adaptation", "Low-Resource Languages", "Healthcare AI", "Qwen3-ASR", "Wav2Vec2", "Gemma"], "risks": ["Tỷ lệ lỗi từ (WER) sau khi tinh chỉnh vẫn còn tương đối cao (Ewe đạt 64,8%), có nguy cơ nhận diện sai các thuật ngữ y tế quan trọng nếu không có cơ chế rà soát.", "Sự khan hiếm dữ liệu in-domain chuẩn hóa gây khó khăn cho việc mở rộng sang các chuyên ngành y tế hoặc ngôn ngữ địa phương khác.", "Quy mô thử nghiệm thực địa còn hạn chế (50 người tham gia), có thể chưa bao quát hết sự đa dạng về ngữ điệu và phương ngữ thực tế."], "category": "Research", "entities": ["Twi", "Dagbani", "Ewe", "Wav2Vec2", "Gemma 3n", "Gemma 4", "Qwen3-ASR-0.6B", "KasaHealth", "Senti-Check", "Ghana Bible corpus"], "summary_vi": "Nghiên cứu đánh giá và thích ứng miền (domain adaptation) nhận dạng giọng nói tự động (ASR) cho truyền thông sức khỏe vị thành niên trên 3 ngôn ngữ Ghana (Twi, Dagbani, Ewe). Nhóm tác giả benchmark 5 hệ thống (Wav2Vec2, Gemma 3n, Gemma 4), sau đó chuyển sang tinh chỉnh mô hình gọn nhẹ Qwen3-ASR-0.6B trên tập Bible corpus (~90k mẫu) do Gemma 4 bất khả thi về mặt tính toán. Kết quả fine-tune giảm mạnh WER/CER (đặc biệt tiếng Ewe giảm WER 44,5 điểm phần trăm xuống 64,8%). Ứng dụng thoại KasaHealth và công cụ Senti-Check được kiểm nghiệm thực tế với 50 người dùng đạt mức phê duyệt 100% và khuyến nghị 92%, khẳng định rào cản cốt lõi là dữ liệu in-domain chứ không phải quy mô mô hình.", "key_changes": ["Đánh giá (benchmark) 5 hệ thống ASR gồm 3 mô hình Wav2Vec2 và 2 mô hình multimodal LLM (Gemma 3n, Gemma 4) trên tập dữ liệu tổng quát Bible corpus và dữ liệu chuyên ngành sức khỏe vị thành niên (ASRH).", "Chuyển hướng thích ứng miền (domain adaptation) từ Gemma 4 sang mô hình nhỏ gọn Qwen3-ASR-0.6B do hạn chế về chi phí tính toán khi fine-tune.", "Fine-tune Qwen3-ASR-0.6B trên ~90k mẫu Ghana Bible corpus giúp giảm mạnh WER/CER trên cả 3 ngôn ngữ, rõ rệt nhất ở tiếng Ewe (WER giảm 44,5 điểm phần trăm từ 109,3% xuống 64,8%; CER giảm từ 65,1% xuống 24,9%).", "Triển khai thực địa ứng dụng tương tác giọng nói KasaHealth cùng công cụ đánh giá Senti-Check, đạt 100% chat-approval rate và 92% tỷ lệ người dùng khuyến nghị.", "Đưa ra kết luận thực nghiệm rằng điểm nghẽn chính cho ASR ngôn ngữ ít tài nguyên là dữ liệu in-domain được xác thực, không phải năng lực mô hình hay tài nguyên tính toán."], "sub_category": "Speech Recognition", "novelty_score": 70, "business_score": 68, "research_score": 82, "why_it_matters": "Nghiên cứu chứng minh rằng việc triển khai AI giọng nói phục vụ y tế tại các khu vực ít tài nguyên hoàn toàn khả thi bằng các mô hình ASR nhỏ gọn được fine-tune đúng cách thay vì phụ thuộc vào các LLM đa phương thức đắt đỏ; đồng thời định hướng chiến lược công nghệ nên tập trung vào việc thu thập và xác thực dữ liệu in-domain hơn là chạy đua năng lực tính toán.", "developer_score": 74, "importance_score": 72, "possible_use_cases": ["Phát triển ứng dụng trợ lý thoại và tư vấn sức khỏe sinh sản/vị thành niên bằng ngôn ngữ bản địa cho các quốc gia đang phát triển.", "Tối ưu hóa và triển khai các mô hình ASR nhỏ gọn (sub-1B) chạy tại thiết bị biên hoặc hạ tầng máy chủ chi phí thấp.", "Xây dựng quy trình benchmark và công cụ đánh giá kỹ thuật (tương tự Senti-Check) cho các dự án xử lý tiếng nói ngôn ngữ ít tài nguyên."], "actionability_score": 75}