GlobeAudio: багатомовний багатокультурний бенчмарк для природнісної оцінки великих аудіо-лінгвістичних моделей
https://ift.tt/7UArxjb
Великі аудіо-лінгвістичні моделі (LALMs) інтегрують сприйняття аудіо та розуміння мови в єдиній структурі, що дозволяє широкий спектр реальних застосувань. Попри недавні досягнення, оцінювання LALMs залишаються значно недорозвиненими порівняно з реальними вимогами: більшість не мають справжньої лінгвістичної та культурної автентичності, у той час як інші не уловлюють акустичної реалістичності. Щоб заповнити цю прогалину, ми пропонуємо GlobeAudio, багатомовний та багатокультурний бенчмарк, розроблений для оцінки природнісного аудіо-розуміння. GlobeAudio складається з 5 637 завдань з множинного вибору, охоплюючи шість типологічно різних мов, майстерно розроблених носіями мови на основі природно виниклого аудіо. Щоб добре справлятися з завданнями, моделі повинні мати більш високий рівень слухового мислення та культури як інтерпретації. Ми систематично оцінюємо представницькі закриті та відкриті моделі LALMs, а також каскадні конвеєри ASR-LLM. Наші експерименти виявляють суттєві прогалини у продуктивності за природних акустичних умов, зокрема для відкритих моделей та мов з низьким ресурсом. Ці висновки підкреслюють критичні обмеження сучасних LALMs та важливість природнісної аудіо-оцінки для майбутніх аудіо-лінгвістичних систем. GlobeAudio можна знайти за адресою https://ift.tt/lz4hTgs.
HI-FI News
via Artificial Intelligence https://ift.tt/J5UnS14
9 червня 2026 р. о 05:20.
June 9, 2026 at 05:20AM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.