论文与研究

腾讯混元联合多家机构发布首个音频编辑基准MMAE

原文标题:Can AI truly edit audio, not just generate it? 🎧 Tencent Hy, in collaboration with SJTU, SII, NTU,...

AI 摘要

腾讯混元联合上海交大、南洋理工等机构推出MMAE(Massive Multitask Audio Editing Benchmark),这是首个全面评估AI语音/音频编辑能力的基准。MMAE要求模型理解现有音频并按自然语言指令精确修改,而非简单生成。当前模型在该基准上的精确匹配率(EMR)低于5%,暴露了可靠音频编辑的短板。MMAE包含2000个真实场景高保真样本、17741条细粒度评估项,覆盖声音/音乐/语音及混合共7种模态、6种任务复杂度(基础修改到多跳推理及多轮编辑)、8种操作类型(局部到全局)。论文、代码、数据集和演示已公开。

关键信息

  • 腾讯混元联合上海交大、南洋理工等机构推出MMAE(Massive Multitask Audio Editing Benchmark),这是首个全面评估AI语音/音频编辑能力的基准。
  • MMAE要求模型理解现有音频并按自然语言指令精确修改,而非简单生成。
  • 当前模型在该基准上的精确匹配率(EMR)低于5%,暴露了可靠音频编辑的短板。
  • MMAE包含2000个真实场景高保真样本、17741条细粒度评估项,覆盖声音/音乐/语音及混合共7种模态、6种任务复杂度(基础修改到多跳推理及多轮编辑)、8种操作类型(局部到全局)。
  • 论文、代码、数据集和演示已公开

速览

发布时间
更新时间
来源
X:腾讯混元 (@TencentHunyuan)
分类
论文与研究
AI 评分
69
阅读原文 前往信息源阅读完整正文
推荐理由

过去一年语音和音乐生成很热,但音频编辑还没人正经测过,腾讯这个基准把现状血淋淋地摆出来了,不到5%的准确率意味着整个方向都还在起步期。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:腾讯混元联合多家机构发布首个音频编辑基准MMAE。2026年6月8日。https://new.nat6.net/news/cmq4tfme001jlslt2hle9mu5a/

查看全部 →