面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
蚂蚁集团提出基于音频贡献的后训练数据分配范式,突破音频-语言大模型性能瓶颈,数据集已开源
原创a year ago
蚂蚁集团提出基于音频贡献的后训练数据分配范式,突破音频-语言大模型性能瓶颈,数据集已开源

近日,蚂蚁集团AI身份智能团队在音频-语言大模型的后训练研究上取得重要突破。团队联合香港中文大学、上海交通大学、华南理工大学、萨里大学等国内外知名学府,提出了迄今为止规模最大、质量最高的音频理解选择题数据集AudioMCQ,并基于Audio…

41 0 0
超越级联系统:端到端语音大模型设计解析
转载a year ago
超越级联系统:端到端语音大模型设计解析

虽然文本大语言模型最近取得了很多的关注,但是对于人类而言,语音交互是更自然的方式。在语音交互常见中一个直接的方法是直接级联ASR-LLM-TTS这三个模型,然而这种直接的方式存在诸多问题。为了解决级联系统的问题端到端的语音大模型(Speec…

79 0 0

为语音开发者而生