实体
ASR-LLM
ASR-LLM
PulseAugur coverage of ASR-LLM — every cluster mentioning ASR-LLM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的GlobeAudio基准测试AI音频模型在自然语言方面的表现
研究人员推出了GlobeAudio，这是一个旨在更真实、更自然的环境中评估大型音频语言模型（LALMs）的新基准。该基准包含5,637个多项选择题，涵盖六种不同的语言，由母语者使用自然发生的音频创建。使用GlobeAudio进行的初步评估显示出显著的性能差异，特别是对于开源模型和不太常见的语言，突显了LALM能力的当前局限性。
-
新方法通过诊断 ASR-LLM 错误来增强语音对话系统
研究人员开发了一种新颖的方法来改进语音对话系统，通过解决级联自动语音识别 (ASR) 和大型语言模型 (LLM) 管道中的错误传播问题。这种新方法通过分析深度 ASR 潜在表示，使用细粒度检测器来识别感知、理解和删除失败等特定错误类型。这种诊断智能使 LLM 能够实施有针对性的澄清策略，从而在各种条件下显著降低词错误率 (WER) 并提高下游任务性能。
-
Audio2Tool 数据集评估 SpeechLMs 的复杂语音指令能力
研究人员推出了 Audio2Tool，这是一个新的基准数据集，旨在评估口语模型的函数调用能力。该数据集包含约 30,000 个查询，涵盖智能汽车、智能家居和可穿戴设备领域，复杂度从简单指令到多意图请求不等。对当前最先进模型的评估显示，在面对组合挑战和声学变化时，性能显著下降，突显了未来改进的方向。