arXiv NLP·4 天前★ 2
首个巴斯克语开源语音语言模型发布
原文标题：Developing a Speech Language Model for Basque
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
研究团队基于 LLaMA-Omni 架构与 Latxa 骨干模型，构建首个面向低延迟端到端语音交互的巴斯克语开源语音语言模型。为缓解数据稀缺，将英文 VoiceAssistant-400K 语料翻译为巴斯克语并用本地 TTS 合成音频，评测内容质量 3.86/5、词错误率 9.94%、UTMOS 3.07。
阅读原文 +0
AI 处理过程展开/收起
原始标题：Developing a Speech Language Model for Basque
AI 中文标题：首个巴斯克语开源语音语言模型发布
来源：arXiv NLP · 发布于 4 天前
分类：多模态 · AI 重要度：★ 2（2）
标签：语音语言模型 / 低资源语言 / 巴斯克语 / 合成数据 / arXiv
关键词：巴斯克语语音模型 / 语音语言模型 / 低资源语言 / LLaMA-Omni / arXiv 论文
AI 处理：2026/10/28 12:30:24 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
InfoQ AI·2 天前★ 4
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
#多模态
The Verge AI·5 天前★ 4
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
#多模态
TechCrunch AI·5 天前★ 4
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
#多模态
Hacker News – AI·11 天前★ 4
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。
#多模态