🔥 Hot topics · KAN IKKE · Kan · § The Court · Seneste omvendinger · 📈 Tidslinje · Spørg · Ledere · 🔥 Hot topics · KAN IKKE · Kan · § The Court · Seneste omvendinger · 📈 Tidslinje · Spørg · Ledere
Stuff AI CAN'T Do

Kan AI transskribere og oversætte truede sprog med 6 timers data ?

Hvad mener du?

WARDEN anvender et to-trins-system—først transkriberer Wardaman-lyd fonemisk, derefter oversætter til engelsk—med kun 6 timers træningsdata. Det overgår større modeller ved at udnytte en lignende-sprogs-initialisering og en kompileret ordbog til oversættelse.

KILDE: arXiv:2605.13846 — Ziheng Zhang et al., 2026 — “WARDEN: Endangered Indigenous Language Transcription and Translation with 6 Hours of Training Data”

Background

Recent work shows that, given around six hours of transcribed speech in an endangered language, modern speech-processing systems can produce usable transcriptions and even translations—provided those six hours are carefully selected and paired with related high-resource languages. Models that combine self-supervised pre-training on raw audio with fine-tuning on the small target set now reach word-error rates below 25% on some oral languages, and pivoting through a bridge language can yield BLEU scores of roughly 10–20 for short sentences. Zero-shot cross-lingual transfer from multilingual encoders such as w2v-BERT 2.0 or Whisper-large-v3 can cover phoneme inventories unseen in the six-hour sample, but intelligibility drops sharply for languages with fewer than ten speakers or highly tonal systems. Translation quality still lags behind high-resource benchmarks because grammatical patterns and idioms are under-represented in the small corpus, yet minimal post-editing is often enough to create basic bilingual lexicons or archival descriptions. Ongoing initiatives like the Lacuna Fund and UNESCO’s AI for endangered languages challenge are distributing small labeled corpora and pushing community-led data collection to make such approaches sustainable. Community partnerships remain essential: models trained only on outsider-collected data can encode cultural biases or mispronunciations unless validated by native speakers. At present, six hours is a rough lower bound; below that, data augmentation via synthetic voice conversion or back-translation becomes unreliable. Where ethical approval and speaker consent are secured, these techniques are already being deployed for language documentation, though they do not yet guarantee long-term revitalization.

Status senest tjekket June 30, 2026.

📰

Galleri

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026
Sitting at the Bench Filed · jun. 30, 2026
— The Question Before the Court —

Kan AI transskribere og oversætte truede sprog med 6 timers data?

★ The Court Finds ★
Reaffirmed
Næsten

Snævre demoer findes — men panelet var ikke enigt.

Ruling of the Bench

Dommeren fandt, at selvom AI kunne udføre opgaven, krævede det usædvanligt skræddersyet støtte—som en lingvistisk livsstøttemaskine—for at holde udryddelsestruede sprog i live i seks timer med data, snarere end robust flydende kunnen. Selv den ene "Næsten"-stemme anerkendte indsatsens skrøbelighed, som afhang af domænespecifik tilpasning snarere end generel kompetence. Retten bemærker, at dommen afspejler en forsigtig "god, men ikke god nok"-nikk til fremskridt. Kendelse: AI kan hviske ordene, men den har stadig brug for de ældre til at lære den at synge.

— Hon. C. Babbage, Presiding
Jury Tally
0Ja
1Næsten
0Nej
Verdict Confidence
90%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Næsten · 74%
Session II · May 2026 Næsten · 77%
Session III · May 2026 Næsten · 78%
Session IV · May 2026 Næsten · 68%
Session V · Jun 2026 Næsten · 73%
Session VI · Jun 2026 Næsten · 73%
Session VII · Jun 2026 Næsten · 75%
Session VIII · Jun 2026 Næsten · 80%
Session IX · Jun 2026 Næsten · 83%
Case № F3CB · Session X
In the Court of AI Capability

The Case File

Docket № F3CB · Session X · Vol. X
I. Particulars of the Case
Question put to the courtKan AI transskribere og oversætte truede sprog med 6 timers data?
SessionX (10 hearing)
Convened30 jun. 2026
Previously ruledALMOST (May '26) → ALMOST (May '26) → ALMOST (May '26) → ALMOST (May '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26)
Presiding JudgeHon. C. Babbage
II. Cumulative Tally Across Sessions

Across 10 sessions, 26 jurors have heard this case. Combined tally: 1 YES · 25 ALMOST · 0 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 0 — 1 — 0, the panel returns a verdict of NæSTEN, with verdict confidence of 90%. The court so orders.

IV. Udtalelser fra dommerpanelet
Nævning I ALMOST

"Specialized models like NLLB or Whisper fine-tuned on limited data can transcribe/translate some endangered languages"

Individuelle nævningers udtalelser vises på originalengelsk for at bevare bevismæssig præcision.

C. Babbage
Presiding Judge
M. Lovelace
Clerk of the Court

Hvad publikum mener

Nej 35% · Ja 13% · Måske 52% 23 votes
Nej · 35%
Ja · 13%
Måske · 52%
57 days of activity

Diskussion

no comments

Kommentarer og billeder gennemgår admin-godkendelse før de vises offentligt.

10 jury checks · seneste for 3 dage siden
30 Jun 2026 1 juror · uafklaret uafklaret
25 Jun 2026 2 jurors · uafklaret, uafklaret uafklaret
19 Jun 2026 2 jurors · uafklaret, uafklaret uafklaret
14 Jun 2026 2 jurors · uafklaret, uafklaret uafklaret
09 Jun 2026 2 jurors · uafklaret, uafklaret uafklaret
03 Jun 2026 3 jurors · uafklaret, uafklaret, uafklaret uafklaret
29 May 2026 2 jurors · uafklaret, uafklaret uafklaret
23 May 2026 5 jurors · uafklaret, kan, uafklaret, uafklaret, uafklaret uafklaret
18 May 2026 3 jurors · uafklaret, uafklaret, uafklaret uafklaret
14 May 2026 4 jurors · uafklaret, uafklaret, uafklaret, uafklaret uafklaret

Hver række er et separat jurytjek. Nævninger er AI-modeller (identiteter holdt neutrale med vilje). Status afspejler den kumulative optælling på tværs af alle tjek — hvordan juryen virker.

Flere i Sensory

Har du en vi gik glip af?

Tilføj et udsagn til atlasset. Vi gennemgår ugentligt.