实体
MOSS-Audio
MOSS-Audio
PulseAugur coverage of MOSS-Audio — every cluster mentioning MOSS-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
-
新方法审计生成式音频大语言模型，发现生成式通话价值有限
研究人员开发了一种新的方法，通过审计生成式音频大语言模型（LLMs）的生成式通话来评估它们。这种方法区分了声学证据的价值和调用生成式模型的必要性。研究发现，虽然仅有文本记录的准确性有限，但像CLAP和WavLM这样的编码器模型在无需生成式通话的情况下就能达到高准确率。在利用了文本记录和编码器证据之后，才评估生成式通话的边际价值，而新方法显示与不调用基线相比改进甚微。
-
MOSS-Audio 模型发布，实现统一音频理解
研究人员发布了 MOSS-Audio，这是一款统一的音频-语言模型，旨在理解语音、环境声音和音乐。该模型采用专用的音频编码器和大型语言模型，并融入了跨层特征注入和时间标记等功能，以增强时间理解能力。MOSS-Audio 提供 4B 和 8B 参数版本，在音频字幕、语音转录和推理等各种音频任务中表现出色，有望成为未来语音代理的基础。
-
MOSI.AI的MOSS-Audio模型以统一方法彻底改变音频分析
MOSI.AI与上海创新中心开发了一个名为MOSS-Audio的新音频分析模型。该模型将音频作为一个统一的整体进行处理，能够同时进行语音转录、情感识别和声学事件解释。MOSS-Audio旨在提供对音频内容的全面推理，超越碎片化解决方案。