arXiv · NLP· Shreeram Suresh Chandra, Ashwyn Sharma, Liang Lu, Xiutian Zhao, Leda Sari, Bj\"orn Schuller, Berrak Sisman·· 4 小时前AI 评分30
StyleInstructCaps：音频语言模型可控说话风格字幕基准
A Benchmark for Controllable Speaking-Style Captioning in Audio-Language Models
AI 导读
研究人员提出首个标准化基准 StyleInstructCaps，用于评估音频语言模型的可控说话风格字幕生成能力。 该基准包含数据集与评估框架，重点测量元数据 grounding、幻觉率、指令遵循及泛化能力。 实验表明，指令遵循能力强并不必然代表风格理解准确，专门训练能显著提升可控性与一致性。
来源：arXiv · NLP · arxiv.org