★ 3
arXiv 发布 StyleInstructCaps：可控说话风格描述基准
研究将说话风格描述（SSC）形式化为指令遵循的音频语言任务，推出首个可控说话风格描述标准化基准 StyleInstructCaps，含数据集与评估框架，衡量元数据依据性、幻觉、指令遵循、泛化与说话人风格一致性。对 9 个音频语言模型的测试显示，强指令遵循能力并不必然带来有依据的风格理解。
arXiv NLP6 天前
#音频语言模型
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
大型音频语言模型语音问答的机器遗忘研究
研究针对大型音频语言模型（LALM）在语音问答中的隐私泄露问题，提出并评估梯度上升、任务算术与对齐微调等机器遗忘策略。实验显示这些方法可将隐私泄露率降低最多80%，同时基本保持非隐私语音问答与通用语音理解性能。
arXiv cs.LG48 天前
★ 2
arXiv 论文：LALM 音频幻觉黑盒因果审计
研究者提出一种黑盒因果测试，通过 CLAP 相似度定位音频证据区域并用频谱门控移除，在三个大型音频语言模型上验证幻觉成因。结果显示定位消融优于随机移除，但原始检测价值因模型而异；结合空白与语言先验的对比解码可将 Qwen2-Audio 准确率从 57.1% 提升至 71.9%。
arXiv cs.AI21 天前
★ 2
音频语言模型验证精神科录音中的说话人删除
研究针对精神科临床双人对话录音，提出角色引导的说话人删除验证问题，用两条对称流水线分别确认医生或患者语音已被移除。在 48 段录音上测试 Gemma-4-12B、Gemma-4-31B、Nemotron-3-Nano 等四个开源权重模型，十四种模型-视图配置的 OR 集成取得 F1 0.478、召…
arXiv cs.LG32 天前
这个主题的相关资产
相关公司阿里巴巴1
相关术语LALM（大型音频语言模型）