Modellveröffentlichungen

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
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

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.

Originalartikel · AIHOT-Eintrag

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/

Alle ansehen →