研究人员开发了压缩大型音频语言模型（LALMs）音频令牌序列的方法，解决了当前音频编码器的高计算成本问题。探索了无监督分割和平均池化等技术，并结合低秩适配器进行微调，以在大型语言模型处理之前减少音频令牌的数量。这些压缩后的LALMs在自动语音识别和语音到语音翻译任务上，在实现输入音频令牌数量减少高达三倍的同时，表现出与帧级模型相当的性能。 AI
影响 有望降低音频密集型AI应用的计算成本并提高可扩展性。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[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 →
