inclusionAI lanza MingTok-Audio: el primer tokenizador de voz continuo unificado
Título original:inclusionAI/MingTok-Audio
Resumen de IA
El equipo de inclusionAI ha presentado MingTok-Audio, el primer tokenizador de voz continuo unificado capaz de integrar eficazmente características semánticas y acústicas, apto para tareas de comprensión y generación de voz. El modelo se basa en una arquitectura Transformer puramente causal, elimina las capas convolucionales para mejorar la eficiencia y emplea VAE para el modelado de características continuas con el fin de lograr una reconstrucción de audio de alta calidad. En rendimiento de reconstrucción de voz, con una tasa de tramas de 50, alcanza un PESQ de 4,21 y 4,04 en los conjuntos de prueba SEED-ZH y SEED-EN, respectivamente, un SIM de 0,96 y un STOI de 0,98, muy superiores a los modelos comparados. En tareas posteriores de ASR, logra tasas de error más bajas en varios conjuntos de datos de dialectos, por ejemplo, un WER de tan solo el 9,80 % en el conjunto de datos Hunan Minnan.
Puntos clave
- El equipo de inclusionAI ha presentado MingTok-Audio,el primer tokenizador de voz continuo…
- El modelo se basa en una arquitectura Transformer puramente causal,elimina las capas…
- En rendimiento de reconstrucción de voz,con una tasa de tramas de 50,alcanza un PESQ de 4,21 y…
- En tareas posteriores de ASR,logra tasas de error más bajas en varios conjuntos de datos de…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- 蚂蚁 inclusionAI:GitHub 新仓库
- Categoría
- Lanzamientos de modelos
- Puntuación IA
- 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。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: inclusionAI lanza MingTok-Audio: el primer tokenizador de voz continuo unificado. 29. septiembre 2025. https://new.nat6.net/es/news/cmorb7ik40079slhfn285yff9/