inclusionAI veröffentlicht MingTok-Audio: erster einheitlicher kontinuierlicher Sprach-Tokenizer
Originaltitel:inclusionAI/MingTok-Audio
KI-Zusammenfassung
Das inclusionAI-Team hat MingTok-Audio vorgestellt, den ersten einheitlichen kontinuierlichen Sprach-Tokenizer, der semantische und akustische Merkmale effektiv verbindet und für Sprachverständnis- und -generierungsaufgaben geeignet ist. Das Modell basiert auf einer rein kausalen Transformer-Architektur, entfernt Faltungsschichten zur Effizienzsteigerung und nutzt VAE für kontinuierliche Merkmalsmodellierung zur hochwertigen Audio-Rekonstruktion. Bei der Sprachrekonstruktion erreicht es bei einer Framerate von 50 auf den Testsets SEED-ZH und SEED-EN PESQ-Werte von 4,21 bzw. 4,04, SIM von 0,96 und STOI von 0,98 und übertrifft damit Vergleichsmodelle deutlich. Bei nachgelagerten ASR-Aufgaben erzielt es auf mehreren Dialektdatensätzen niedrigere Fehlerraten, beispielsweise eine WER von nur 9,80 % auf dem Hunan-Minnan-Datensatz.
Kernpunkte
- Das inclusionAI-Team hat MingTok-Audio vorgestellt,den ersten einheitlichen kontinuierlichen…
- Das Modell basiert auf einer rein kausalen Transformer-Architektur,entfernt Faltungsschichten zur…
- Bei der Sprachrekonstruktion erreicht es bei einer Framerate von 50 auf den Testsets SEED-ZH und…
- 4,04,SIM von 0,96 und STOI von 0,98 und übertrifft damit Vergleichsmodelle deutlich.
- Bei nachgelagerten ASR-Aufgaben erzielt es auf mehreren Dialektdatensätzen niedrigere…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- 蚂蚁 inclusionAI:GitHub 新仓库
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 57
蚂蚁把语音 tokenizer 做到了 PESQ 4.2 的离谱分数,比第二名翻了快一倍,做语音理解和生成的团队值得拿这个当新 baseline 跑一下。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: inclusionAI veröffentlicht MingTok-Audio: erster einheitlicher kontinuierlicher Sprach-Tokenizer. 29. September 2025. https://new.nat6.net/de/news/cmorb7ik40079slhfn285yff9/