inclusionAI phát hành MingTok-Audio: bộ phân tách giọng nói liên tục thống nhất đầu tiên
Tiêu đề gốc:inclusionAI/MingTok-Audio
Tóm tắt AI
Nhóm inclusionAI đã ra mắt MingTok-Audio, bộ phân tách giọng nói liên tục thống nhất đầu tiên kết hợp hiệu quả đặc trưng ngữ nghĩa và âm học, phù hợp cho tác vụ hiểu và sinh giọng nói. Mô hình dựa trên kiến trúc Transformer nhân quả thuần, loại bỏ lớp tích chập để tăng hiệu quả, và dùng VAE để mô hình hóa đặc trưng liên tục nhằm tái tạo âm thanh chất lượng cao. Về hiệu năng tái tạo giọng nói, với tốc độ khung 50, PESQ trên bộ kiểm thử SEED-ZH và SEED-EN lần lượt đạt 4,21 và 4,04, SIM đạt 0,96, STOI đạt 0,98, vượt trội rõ rệt so với mô hình đối chứng. Trong tác vụ ASR hạ nguồn, mô hình đạt tỷ lệ lỗi thấp hơn trên nhiều bộ dữ liệu phương ngữ, ví dụ WER trên bộ dữ liệu Hunan Minnan thấp tới 9,80%.
Thông tin chính
- Nhóm inclusionAI đã ra mắt MingTok-Audio,bộ phân tách giọng nói liên tục thống nhất đầu tiên kết…
- Mô hình dựa trên kiến trúc Transformer nhân quả thuần,loại bỏ lớp tích chập để tăng hiệu quả,và…
- Về hiệu năng tái tạo giọng nói,với tốc độ khung 50,PESQ trên bộ kiểm thử SEED-ZH và SEED-EN lần…
- Trong tác vụ ASR hạ nguồn,mô hình đạt tỷ lệ lỗi thấp hơn trên nhiều bộ dữ liệu phương ngữ,ví dụ…
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Danh mục
- Ra mắt mô hình
- Điểm 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。
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: inclusionAI phát hành MingTok-Audio: bộ phân tách giọng nói liên tục thống nhất đầu tiên. 29 tháng 9 2025. https://new.nat6.net/vi/news/cmorb7ik40079slhfn285yff9/