inclusionAI lance MingTok-Audio, premier tokenizer vocal continu unifié
Titre original:inclusionAI/MingTok-Audio
Résumé IA
L'équipe inclusionAI a présenté MingTok-Audio, premier tokenizer vocal continu unifié capable de fusionner efficacement les caractéristiques sémantiques et acoustiques, destiné aux tâches de compréhension et de génération vocales. Le modèle repose sur une architecture Transformer purement causale, supprime les couches convolutives pour gagner en efficacité et recourt à un VAE pour la modélisation des caractéristiques continues afin d'obtenir une reconstruction audio de haute qualité. En reconstruction vocale, avec une fréquence de trame de 50, il atteint des PESQ de 4,21 et 4,04 sur les ensembles SEED-ZH et SEED-EN, un SIM de 0,96 et un STOI de 0,98, nettement supérieurs aux modèles comparés. Sur les tâches ASR en aval, il obtient de meilleurs taux d'erreur sur plusieurs jeux de données dialectaux, avec par exemple un WER de seulement 9,80 % sur le jeu Hunan Minnan.
Points clés
- L'équipe inclusionAI a présenté MingTok-Audio,premier tokenizer vocal continu unifié capable de…
- Le modèle repose sur une architecture Transformer purement causale,supprime les couches…
- En reconstruction vocale,avec une fréquence de trame de 50,il atteint des PESQ de 4,21 et 4,04 sur…
- Sur les tâches ASR en aval,il obtient de meilleurs taux d'erreur sur plusieurs jeux de données…
En bref
- Publié
- Mis à jour
- Source
- 蚂蚁 inclusionAI:GitHub 新仓库
- Catégorie
- Sorties de modèles
- Score 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。
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : inclusionAI lance MingTok-Audio, premier tokenizer vocal continu unifié. 29. septembre 2025. https://new.nat6.net/fr/news/cmorb7ik40079slhfn285yff9/