论文解读
CRAFT: Critic-Refined Adaptive Key-Frame Targeting for Multimodal Video Question Answering
多模态问答 | 6.6/10
多模态问答 | 6.6/10
语音对话系统 | 7.8/10
音乐生成 | 5.5/10
长音频理解 | 7.4/10
多模态模型 | 7.7/10
语音识别 | 7.5/10
视频理解 | 7.3/10
社交智能体 | 5.9/10
语音生物标志物 | 6/10
模型评估 | 6/10
语音识别 | 6/10
基准测试 | 7.6/10
多模态模型 | 3.3/10
语音识别 | 7.5/10
生成模型 | 6.5/10
乐谱生成 | 7.0/10
语音编辑 | 6.5/10
语音情感识别 | 5.8/10
MIST: Multimodal Interactive Speech-based Tool-calling Conversational Assistants for Smart Homes
共分析 12 篇语音/AI 论文