Nuha-Speech：构建通用阿拉伯语语音-LLM

随着语音 大语言模型（语音-LLM）变得越来越多语言，阿拉伯语的代表性仍然严重不足，这突出表明需要专门的基础设施来训练和评估阿拉伯语语音-LLM。为了解决这一差距，我们引入了 Nuha-Speech，这是一项开发通用阿拉伯语音 LLM 的综合计划，涵盖数据集构建、模型训练 和系统评估。具体来说，我们构建了一个大规模的阿拉伯语语音问答 (SQA) 语料库，其中包含超过 150 万个训练样本，以允许对广泛的核心语音任务进行指令调整。然后，该语料库用于基于不同尺度的 Qwen-Omni 模型变体的监督 微调。最后，我们设计了一个具有多样化任务和定制指标的评估框架。通过这项工作，我们的目标是在有限的阿拉伯语音资源的限制下建立阿拉伯语音-LLM 的基础设施。