🔥 Hot topics · EI osaa · Osaa · § The Court · Viimeaikaiset käännökset · 📈 Aikajana · Kysy · Kolumnit · 🔥 Hot topics · EI osaa · Osaa · § The Court · Viimeaikaiset käännökset · 📈 Aikajana · Kysy · Kolumnit
Stuff AI CAN'T Do

Voiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla ?

Mitä mieltä olet?

WARDEN käyttää kaksivaiheista järjestelmää — ensin Wardamanin äänen foneminen litterointi ja sitten kääntäminen englanniksi — käyttäen vain 6 tunnin koulutusaineistoa. Se ohittaa suuremmat mallit hyödyntämällä samankielisen kielen alustusta ja käännöksiä varten koottua sanakirjaa.

LÄHDE: arXiv:2605.13846 — Ziheng Zhang ym., 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.

Tila viimeksi tarkistettu August 18, 2026.

📰

Galleria

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jul 2026Jul 2026Jul 2026Jul 2026Jul 2026Aug 2026Aug 2026Aug 2026Aug 2026
Sitting at the Bench Filed · elo 18, 2026
— The Question Before the Court —

Voiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla?

★ The Court Finds ★
Reaffirmed
Lähes

Suppeita demoja on olemassa — mutta lautakunta ei ollut yksimielinen.

Ruling of the Bench

Tuomaristo piti tehtävää houkuttelevasti saavutettavana, mutta ei vielä täysin suoritetuna. Vaikka pienten datamäärien käännösten läpimurrot ovat avanneet ovia, jotka aiemmin vaikuttivat tiukasti suljetuilta, epätasainen laatu eri kielten välillä esti tuomion kääntymisen täysin myöntäväksi. Siinä missä tuomaristo oli yksimielinen kyvystä, he epäröivät johdonmukaisuuden suhteen. Päätös: "Kuuden tunnin data avaa oven nyt, mutta lukko takertuu toisinaan."

— Hon. M. Lovelace, Presiding
Jury Tally
0Kyllä
1Lähes
0Ei
Verdict Confidence
85%
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 Lähes · 74%
Session II · May 2026 Lähes · 77%
Session III · May 2026 Lähes · 78%
Session IV · May 2026 Lähes · 68%
Session V · Jun 2026 Lähes · 73%
Session VI · Jun 2026 Lähes · 73%
Session VII · Jun 2026 Lähes · 75%
Session VIII · Jun 2026 Lähes · 80%
Session IX · Jun 2026 Lähes · 83%
Session X · Jun 2026 Lähes · 90%
Session XI · Jul 2026 Lähes · 78%
Session XII · Jul 2026 Lähes · 80%
Session XIII · Jul 2026 Lähes · 82%
Session XIV · Jul 2026 Lähes · 85%
Session XV · Jul 2026 Lähes · 80%
Session XVI · Aug 2026 Lähes · 80%
Session XVII · Aug 2026 Lähes · 83%
Session XVIII · Aug 2026 Lähes · 78%
Case № F3CB · Session XIX
In the Court of AI Capability

The Case File

Docket № F3CB · Session XIX · Vol. XIX
I. Particulars of the Case
Question put to the courtVoiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla?
SessionXIX (19 hearing)
Convened18 elo 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) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Aug '26) → ALMOST (Aug '26) → ALMOST (Aug '26) → ALMOST (Aug '26)
Presiding JudgeHon. M. Lovelace
II. Cumulative Tally Across Sessions

Across 19 sessions, 43 jurors have heard this case. Combined tally: 2 YES · 41 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 LäHES, with verdict confidence of 85%. The court so orders.

IV. Tuomarinpenkin lausunnot
Valamies I ALMOST

"Specialized models like NLLB can transcribe and translate low-resource languages with limited data, but coverage varies."

Yksittäisten valamiesten lausunnot näytetään alkuperäisellä englannilla todistusarvon säilyttämiseksi.

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

Mitä yleisö ajattelee

Ei 35% · Kyllä 13% · Ehkä 52% 23 votes
Ei · 35%
Kyllä · 13%
Ehkä · 52%
47 days of activity

Keskustelu

no comments

Kommentit ja kuvat käyvät läpi ylläpitäjän tarkistuksen ennen julkista näkymistä.

19 jury checks · uusin 1 päivä sitten
18 Aug 2026 1 juror · ratkaisematon ratkaisematon
13 Aug 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
07 Aug 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
02 Aug 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
27 Jul 2026 1 juror · ratkaisematon ratkaisematon
22 Jul 2026 2 jurors · ratkaisematon, osaa ratkaisematon
17 Jul 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
11 Jul 2026 1 juror · ratkaisematon ratkaisematon
06 Jul 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
30 Jun 2026 1 juror · ratkaisematon ratkaisematon
25 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
19 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
14 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
09 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
03 Jun 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
29 May 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
23 May 2026 5 jurors · ratkaisematon, osaa, ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
18 May 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
14 May 2026 4 jurors · ratkaisematon, ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon

Jokainen rivi on erillinen tuomariston tarkastus. Tuomarit ovat tekoälymalleja (identiteetit pidetään tarkoituksella neutraaleina). Tila heijastaa kumulatiivista summaa kaikista tarkastuksista — miten tuomaristo toimii.

Lisää kategoriassa Sensory

Onko sinulla sellainen jonka unohdimme?

Lisää väittämä atlasiin. Tarkistamme viikoittain.