VocalSound

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。