★ 4
Meta 开源 GSLM2：多流语音表示学习缩小语音与文本模型差距
Meta 研究团队发布 GSLM2，其 SpidR 2.0 编码器用自监督学习在多个抽象层级生成离散语音单元，多流语音语言模型联合建模这些单元。训练规模达 600 万小时、65 亿参数，在 sWuggy、sBLIMP、tSC 上把语音与文本模型差距缩小约两个数量级。训练代码与模型权重已在 GitH…
arXiv NLP10 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。
Meta 研究团队发布 GSLM2，其 SpidR 2.0 编码器用自监督学习在多个抽象层级生成离散语音单元，多流语音语言模型联合建模这些单元。训练规模达 600 万小时、65 亿参数，在 sWuggy、sBLIMP、tSC 上把语音与文本模型差距缩小约两个数量级。训练代码与模型权重已在 GitH…