墨尔本大学等提出多会话语音记忆基准 VoxMem

墨尔本大学与新南威尔士大学联合团队推出多会话语音记忆基准 VoxMem，用于系统评估音频大模型跨会话记忆说话人身份、语气及环境声等非文本信息的能力。该基准包含 3,196 个评测实例与约 177 小时语音，评测显示 15 个主流模型在 32K 历史长度下整体准确率均未突破 40%，追踪语气与背景声变化的平均准确率仅为 3.4% 与 1.2%。