论文解读
MSF-SER: Enriching Acoustic Modeling with Multi-Granularity Semantics for Speech Emotion Recognition
语音情感识别 | 7.5/10
语音情感识别 | 7.5/10
语音生物标志物 | 6.5/10
语音情感识别 | 6.5/10
音频问答 | 7.0/10
音频事件检测 | 7.0/10
模型评估 | 6.5/10
音频问答 | 7.0/10
音乐信息检索 | 7.5/10
音频问答 | 7.0/10
音乐理解 | 8.5/10
音频问答 | 7.5/10
音乐生成 | 7.0/10
模型评估 | 7.0/10
模型评估 | 7.0/10
音频问答 | 6.5/10
音频大模型 | 8.0/10
音频场景理解 | 8.0/10
这篇论文首次系统研究了良性(无害)音频数据微调对音频大模型安全对齐的破坏作用。**要解决的问题**是:用户出于提升模型性能目的进行的常规微调,是否会无意中破坏模型的安全防护?**方法**上,作者提出了一个基于嵌入空间邻近度的过滤框架,从语义、声学及混合维度,选择性地用与有害内容在表示空间上相近的良性
这篇论文旨在解决大型音频语言模型(LALM)中普遍存在的“幻觉”问题(即生成与音频证据不符的内容)缺乏系统性评估工具的难题。为此,作者构建并发布了**HalluAudio**,这是首个大规模、多领域(语音、环境声、音乐)、多任务(二分类、多选、属性验证、开放生成)的人工验证音频幻觉检测基准,包含超过
这篇技术报告全面介绍了Qwen3.5-Omni,一个能够统一理解与生成文本、图像、音频和音视频内容的全模态大语言模型。**要解决的问题**是现有模型在实时交互、跨模态推理和自主智能体行为方面的局限性。**采用的方法**是基于“思考者-说话者”架构,引入了多项关键创新:1)思考者和说话者均采用混合注意