English(EN) Does Translation-Enhanced Speech Encoder Pre-training Affect Speech LLMs?

翻译导向的编码器预训练增强语音大语言模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-24 06:15

研究人员探索了一种新颖的方法来增强语音大语言模型，即将翻译目标整合到语音编码器的预训练中。该方法解决了特定语言的语音编码器与大语言模型语言无关空间之间的结构不对齐问题。通过整合语音翻译任务，预训练过程鼓励学习更鲁棒、语言无关的表示，从而提高下游语音大语言模型应用的跨模态整合和整体性能。 AI

影响这项研究可能通过提高语音大语言模型处理和理解不同语言输入的能力，从而带来更有效、更多功能的语音大语言模型。

排序理由该集群包含一篇学术论文，详细介绍了用于语音大语言模型预训练语音编码器的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-06-24 06:15

翻译增强的语音编码器预训练是否影响语音大模型？

Connecting a pre-trained speech encoder to a Large Language Model (LLM) is the standard architecture for building Speech LLMs. However, a structural misalignment exists between the encoder and the LLM. Unlike encoders based on automatic speech recognition, which often produce rep…