inclusionAI merilis MingTok-Audio: tokenizer suara kontinu terpadu pertama
Judul asli:inclusionAI/MingTok-Audio
Ringkasan AI
Tim inclusionAI meluncurkan MingTok-Audio, tokenizer suara kontinu terpadu pertama yang secara efektif menggabungkan fitur semantik dan akustik, cocok untuk tugas pemahaman dan generasi suara. Model ini berbasis arsitektur Transformer kausal murni, menghilangkan lapisan konvolusi untuk meningkatkan efisiensi, dan menggunakan VAE untuk pemodelan fitur kontinu guna mencapai rekonstruksi audio berkualitas tinggi. Dalam performa rekonstruksi suara, frame rate-nya 50, dengan PESQ pada set pengujian SEED-ZH dan SEED-EN masing-masing mencapai 4,21 dan 4,04, SIM 0,96, dan STOI 0,98, secara signifikan lebih unggul daripada model pembanding. Pada tugas ASR hilir, model ini mencapai tingkat kesalahan lebih rendah pada berbagai set data dialek, misalnya WER serendah 9,80% pada set data Hunan Minnan.
Poin utama
- Tim inclusionAI meluncurkan MingTok-Audio,tokenizer suara kontinu terpadu pertama yang secara…
- Model ini berbasis arsitektur Transformer kausal murni,menghilangkan lapisan konvolusi untuk…
- Dalam performa rekonstruksi suara,frame rate-nya 50,dengan PESQ pada set pengujian SEED-ZH dan…
- Pada tugas ASR hilir,model ini mencapai tingkat kesalahan lebih rendah pada berbagai set data…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- 蚂蚁 inclusionAI:GitHub 新仓库
- Kategori
- Rilis Model
- Skor AI
- 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。
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: inclusionAI merilis MingTok-Audio: tokenizer suara kontinu terpadu pertama. 29 September 2025. https://new.nat6.net/id/news/cmorb7ik40079slhfn285yff9/