★ 2
ReListen：冻结音频大模型免训练定位小时级录音证据
论文提出 ReListen，无需额外训练即可让冻结的音频语言模型在回答前自行检索证据：以 20 秒窗口打分，再从最高分的一分钟片段作答。在 VoiceGiraffe 上对 88.5% 的问题命中标注证据，超过全文转录方案 9.2 分，且内存恒定、速度更快。研究还发现声音与说话人相关问题必须靠听而非…
arXiv NLP14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ReListen，无需额外训练即可让冻结的音频语言模型在回答前自行检索证据：以 20 秒窗口打分，再从最高分的一分钟片段作答。在 VoiceGiraffe 上对 88.5% 的问题命中标注证据，超过全文转录方案 9.2 分，且内存恒定、速度更快。研究还发现声音与说话人相关问题必须靠听而非…