实体
Large Audio Language Model
Large Audio Language Model
PulseAugur coverage of Large Audio Language Model — every cluster mentioning Large Audio Language Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
韩语口语问答研究强调语音识别错误对大语言模型的影响
一篇新的研究论文分析了韩语语音识别中的错误如何影响大语言模型（LLMs）在口语问答（SQA）中的性能。研究发现，语音识别错误造成的性能下降在不同大语言模型之间是一致的，这表明语音识别阶段的信息损失是导致性能下降的主要原因。研究还发现，韩语转录中的单字符错误是一种独特的脆弱性，会改变预期问题并降低问答准确性。一项辅助比较表明，大型音频语言模型可能通过直接处理音频输入提供更稳健的解决方案，从而可能减轻转录错误引起的问题。
-
VocalParse模型利用LALM推进歌声转录
研究人员开发了VocalParse，一种利用大型音频语言模型（LALM）进行歌声转录的新模型。该模型通过交错提示公式，联合建模歌词、旋律和音符文本对齐，解决了当前系统的局限性。VocalParse还采用思维链策略，首先解码歌词，有助于保持结构完整性并提高转录准确性，在各种歌声数据集上取得了最先进的成果。