inclusionAI melancarkan MingTok-Audio: penoken suara berterusan bersatu pertama
Tajuk asal:inclusionAI/MingTok-Audio
Ringkasan AI
Pasukan inclusionAI telah memperkenalkan MingTok-Audio, penoken suara berterusan bersatu pertama yang berkesan menggabungkan ciri semantik dan akustik, sesuai untuk tugas pemahaman dan penjanaan suara. Model ini berdasarkan seni bina Transformer kausal tulen, menghapuskan lapisan konvolusi untuk meningkatkan kecekapan, dan menggunakan VAE untuk pemodelan ciri berterusan bagi mencapai pembinaan semula audio berkualiti tinggi. Dari segi prestasi pembinaan semula suara, kadar bingkainya ialah 50, dengan PESQ masing-masing mencapai 4.21 dan 4.04 pada set ujian SEED-ZH dan SEED-EN, SIM 0.96 dan STOI 0.98, jauh lebih baik daripada model pembanding. Dalam tugas ASR hiliran, ia mencapai kadar ralat lebih rendah pada pelbagai set data dialek, contohnya WER serendah 9.80% pada set data Hunan Minnan.
Maklumat penting
- Pasukan inclusionAI telah memperkenalkan MingTok-Audio,penoken suara berterusan bersatu pertama…
- Model ini berdasarkan seni bina Transformer kausal tulen,menghapuskan lapisan konvolusi untuk…
- Dari segi prestasi pembinaan semula suara,kadar bingkainya ialah 50,dengan PESQ masing-masing…
- 21 dan 4.
- 04 pada set ujian SEED-ZH dan SEED-EN,SIM 0.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- 蚂蚁 inclusionAI:GitHub 新仓库
- Kategori
- Pelancaran 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 tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: inclusionAI melancarkan MingTok-Audio: penoken suara berterusan bersatu pertama. 29 September 2025. https://new.nat6.net/ms/news/cmorb7ik40079slhfn285yff9/