【reXearch】面向语音理解的语音大模型综述
A Survey on Speech Large Language Models for Understanding 论文作者：彭景¹²*，王雨诚³*，李波含¹²，郭奕玮¹²，王翰坤¹²，方衍贵⁵，奚彧¹²，李浩宇¹²，李旭⁴，张克⁶，王帅…
23 0 0
声浪
开源！OSUM-EChat — 语音理解驱动的端到端共情口语对话生成模型
共情（Empathetic）能力是实现自然人机语音交互的核心要素，其核心在于使机器能够感知并理解用户输入语音中的各类副语言信息（如年龄特征、性别相关语音特质、情绪状态及声音事件等），进而作出贴合用户状态的共情回应。近年来，端到端语音语言模型…
18 0 0
港中大（深圳）开源语音理解大模型Soundwave，1/50训练数据媲美Qwen2-Audio！
在 NLP 领域，大模型（LLMs）凭借其强大的理解和推理能力，正在重塑行业格局。另一方面，多模态大模型，尤其是以语音交互为核心的模型也开始崛起，技术发展迅猛，前景广阔。以 GPT-4o 为例，语音与大模型的端到端结合展示出了高实时性与强表…
11 0 0