论文解读
Hear, Invoke, and Understand: A Skill-Calling Multimodal Agent for Large Audio Language Models
音频理解 | 7.2/10
音频理解 | 7.2/10
语音交互 | 7.2/10
语音合成 | 6.9/10
语音合成 | 7.0/10
语音识别 | 6.6/10
共分析 13 篇语音/AI 论文
多模态模型 | 7.1/10
音频理解 | 7.1/10
音视频理解 | 6.9/10
音乐生成 | 6.8/10
共分析 21 篇语音/AI 论文
语音交互 | 6.3/10
多模态模型 | 5.6/10
音乐生成 | 7.6/10
共分析 15 篇语音/AI 论文
声源定位 | 6.3/10
音视频理解 | 9.2/10
声源定位 | 4.9/10
多模态模型 | 6.1/10
音视频理解 | 6.0/10