Az ArTST, vagyis az Arabic Text and Speech Transformer, egy új arab szöveg-beszéd modell, amelyet eredetileg egynyelvű arab automatikus beszédfelismeréshez fejlesztettek ki, de képes a TTS (szöveg-beszéd) és beszéd-szöveg funkciókra is.
A videóban az alkotó bemutatja, hogyan lehet ezt a modellt helyileg telepíteni és kipróbálni, kiemelve a modern standard arab feladatokon elért kimagasló teljesítményt. Érdekesség, hogy a fejlesztőcsapat nem anyanyelvi arab, így kíváncsian vizsgálják, hogyan szerepel a modell különböző szövegekkel.
A szerző ismerteti a szükséges technikai hátteret, beleértve az Ubuntu rendszert és egy specifikus GPU kártyát, majd lépésről lépésre végigvezeti a telepítési folyamatot. Bemutatásra kerülnek egyéb arab és nem angol nyelvű modellek is, és felhívja a figyelmet arra, hogy a teszteléshez akár online felület is rendelkezésre áll.
A tesztelés során többféle arab szöveget visz be, köztük hosszabb és filozófiai kifejezéseket is, és vizsgálja a modell sebességét, VRAM-használatát és rugalmasságát. A visszajelzéseket arab anyanyelvű nézőitől várja, akik segítenek megítélni a modell pontosságát és minőségét.
