BriefGPT - AI 论文速递 ·

BLAB: A Benchmark for Extremely Long Audio

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了极长音频基准（BLAB），用于评估音频语言模型在长音频段的理解能力。通过对833小时音频的评估，发现现有模型在定位和时长估计等任务中的表现不佳，揭示了任务难度与音频时长之间的权衡关系。

🏷️

Qwen Audio：复杂人声干扰下，如何让 ASR “听对人”
本文探讨语音识别在多人环境中“听对人”的挑战，即区分用户与背景人声。对比两种技术路线：基于身份注册的Target-Speaker ASR和基于场景线索的前...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
入蜀记 day467 小小的真理
「小小的真理。」
入蜀记 day466 近谿
「近谿。」
入蜀记 day465 一点秋高气爽
「一点秋高气爽。」
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
作者测试了MiniMax H3视频生成模型，用中英文提示词生成同一首诗的视频，发现宏观效果差别不大，仅微观细节略有不同。原因是简单指令语义重叠，且随机性干...