मॉडल लॉन्च

inclusionAI ने MingTok-Audio रिलीज़ किया: पहला एकीकृत सतत वाक् टोकनाइज़र

मूल शीर्षक:inclusionAI/MingTok-Audio

AI सारांश

inclusionAI टीम ने MingTok-Audio पेश किया, जो पहला एकीकृत सतत वाक् टोकनाइज़र है जो सार्थक और ध्वनिक विशेषताओं को प्रभावी ढंग से एकीकृत करता है और वाक् समझ तथा जनरेशन कार्यों के लिए उपयुक्त है। यह मॉडल शुद्ध कारणात्मक Transformer आर्किटेक्चर पर आधारित है, दक्षता बढ़ाने के लिए कन्वोल्यूशन परतों को हटाया गया है, और उच्च-गुणवत्ता ऑडियो पुनर्निर्माण के लिए सतत विशेषता मॉडलिंग हेतु VAE का उपयोग करता है। वाक् पुनर्निर्माण प्रदर्शन में, इसकी फ्रेम दर 50 है, SEED-ZH और SEED-EN परीक्षण सेटों पर PESQ क्रमशः 4.21 और 4.04, SIM 0.96 और STOI 0.98 तक पहुँचता है, जो तुलनात्मक मॉडलों से उल्लेखनीय रूप से बेहतर है। डाउनस्ट्रीम ASR कार्यों में, इसने कई बोली डेटासेटों पर कम त्रुटि दर प्राप्त की, उदाहरण के लिए Hunan Minnan डेटासेट पर WER 9.80% तक कम रहा।

मुख्य जानकारी

  • inclusionAI टीम ने MingTok-Audio पेश किया,जो पहला एकीकृत सतत वाक् टोकनाइज़र है जो सार्थक और ध्वनिक…
  • 04,SIM 0.
  • 96 और STOI 0.
  • 98 तक पहुँचता है,जो तुलनात्मक मॉडलों से उल्लेखनीय रूप से बेहतर है। डाउनस्ट्रीम ASR कार्यों…
  • 80% तक कम रहा।

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
蚂蚁 inclusionAI:GitHub 新仓库
श्रेणी
मॉडल लॉन्च
AI स्कोर
57
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: inclusionAI ने MingTok-Audio रिलीज़ किया: पहला एकीकृत सतत वाक् टोकनाइज़र। 29 सितंबर 2025। https://new.nat6.net/hi/news/cmorb7ik40079slhfn285yff9/

सभी देखें →