跳到正文
热点事件持续更新

arXiv发布野外语音场景生成联合语言建模论文

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月19日,Semin Kim等人发布论文《Joint Language Modeling for In-the-Wild Speech-Scene Generation with Distinct Token Representations》,该论文于arXiv cs.Lg领域公开。 该论文提出基于大语言模型的语音场景生成框架,通过交错生成区分语音与环境音的token流,旨在提升语音清晰度、场景相关性和整体音频质量。 框架利用源感知神经音频编解码器从混合音频中提取时间对齐的token,并在自然语言描述条件下生成双token流,从而支持野外场景适应。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    基于 LLM 的野外语音场景生成框架

    该论文提出基于 LLM 的语音场景生成框架,通过交错生成区分语音与环境音 token 流,提升语音清晰度、场景相关性和音频质量。 框架利用源感知神经音频编解码器从混合音频中提取时间对齐 token,并在自然语言描述条件下生成双 token 流,支持野外场景适应。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。