实体
Kimi-Audio
Kimi-Audio
PulseAugur coverage of Kimi-Audio — every cluster mentioning Kimi-Audio across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI模型的情感神经元已跨语言识别和验证
研究人员对大型音频语言模型（LALMs）进行了首次神经元级别可解释性研究，以了解它们如何在不同语言中编码情感。研究在Qwen2.5 Omni、Kimi-Audio和Audio Flamingo 3等模型中识别出了“多语言情感神经元”（MLENs）和“情感敏感神经元”（ESNs）。因果干预表明，当操纵这些特定神经元时，可以精确控制或降低模型识别和生成情感的能力，展示了语言特定和可跨语言迁移的情感能力。
-
新IAAN方法通过靶向编码器神经元提升LALM声学感知能力
研究人员开发了一种名为IAAN（识别和放大声学神经元）的新方法，无需重新训练即可增强大型音频语言模型（LALM）的声学感知能力。这种无需训练、无需标签的技术专注于干预音频编码器本身，靶向单个神经元。通过对比真实音频与噪声参考的神经元激活情况，IAAN识别并放大关键神经元，显著提高了在情感等非语义语音属性上的性能。
-
FlexiSLM 为口语语言模型引入动态帧率
研究人员开发了 FlexiSLM，这是一种新颖的口语语言模型，可以动态调整语音输入和输出的帧率。与使用固定帧率的现有模型不同，FlexiSLM 可以适应语音变化的信息密度，从而在质量和推理速度之间进行权衡。这种灵活性使 FlexiSLM 能够超越固定帧率模型，并在保持强大的语音到语音质量的同时显著减少推理时间。