研究人员开发了Kraken,一种利用LLM和低比特率向量量化来提高质量和保留非语言信息的新型语音到语音翻译模型。该模型基于Qwen3-8B构建,使用一个独立的解码器Autowave-X,该解码器以源语音为条件,以增强说话者和韵律的传递。在对150,000小时多语言数据进行的评估中,Kraken在翻译质量上优于SeamlessM4T-Large v2和Qwen2.5 Omni。 AI
影响 这项研究可能带来更自然、更准确的语音到语音翻译系统,从而改善跨语言交流。
排序理由 该集群包含一篇详细介绍新模型及其技术方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Autowave-X
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Kraken
- Qwen2.5 Omni
- Qwen3_8B
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →