Naukowcy zaprezentowali MoPE-LoRA, nową metodę efektywnej adaptacji modeli Conformer do rozpoznawania angielskiego mówionego z różnymi akcentami. Zamiast organizować eksperty osobno dla każdego akcentu, zespół zgrupował je wokół sześciu kategorii fonetycznych opartych na sposobach artykulacji głosek. Takie podejście odpowiada obserwacji, że różnice akcentowe to przede wszystkim systematyczne zniekształcenia realizacji fonemów.
Metoda łączy low-rank adaptation (LoRA) z mechanizmem mixture-of-experts - routing decyzji o wyborze eksperta odbywa się na poziomie poszczególnych ramek audio przy użyciu hybrydowego podejścia, które łączy nadzór fonetyczny z nauczonym bramkowaniem akustycznym. Kluczową zaletą jest to, że zbiór ekspertów jest wspólny dla wszystkich akcentów, więc model nie wymaga dedykowanych modułów dla każdego akcentu i naturalnie rozszerza się na nowe, wcześniej nieznane akcenty.
W eksperymentach na zbiorze L2-ARCTIC MoPE-LoRA konsekwentnie przewyższała zarówno pojedynczą LoRA jak i pełne fine-tuning. W ocenie zero-shot, gdzie jeden akcent był wstrzymywany podczas treningu, metoda uzyskała 12,3% względną poprawę nad baseline'em. Rezultaty sugerują, że dekompozycja oparta na kategoriach fonetycznych oferuje bardziej skalowalne i transferowalne rozwiązanie niż tradycyjne podejścia adaptacji na poziomie akcentów.