StyleInstructCaps 说话风格字幕基准发布

研究人员发布首个标准化基准 StyleInstructCaps，用于评估音频语言模型的可控说话风格字幕生成能力，涵盖数据集与评估框架。该基准重点测量元数据 grounding、幻觉率、指令遵循及泛化能力，旨在系统检测模型在风格控制下的表现。实验结果显示，指令遵循能力强并不必然代表风格理解准确，通过专门训练可显著提升模型的可控性与一致性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。