ReListen免训练小时级音频定位方法发布

研究人员Ming-Hao Hsu等提出并发布了ReListen，这是一种免训练方法，利用冻结的音频语言模型在回答前自行定位小时级音频中的关键证据。 该方法采用Jev风格扫描机制，模型对20秒窗口进行评分并选出最高分的一分钟作为证据。在VoiceGiraffe数据集上，88.5%的问题定位效果优于转录检索，准确率比全转录高出9.2分。 ReListen在推理速度上优于所有基于转录的系统，且显存占用恒定。该方法无需额外训练即可处理超长音频，实现了高效且低资源消耗的证据定位。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。