arXiv 自然语言处理· Shreeram Suresh Chandra, Ashwyn Sharma, Liang Lu, Xiutian Zhao, Leda Sari, Bj\"orn Schuller, Berrak Sisman·· 6 小时前AI 评分36
音频-语言模型可控说话风格字幕评测基准 StyleInstructCaps
A Benchmark for Controllable Speaking-Style Captioning in Audio-Language Models
AI 导读
研究人员推出首个用于音频-语言模型可控说话风格描述的标准化评测基准 StyleInstructCaps，将风格描述形式化为可指定维度的指令遵循任务。该基准涵盖元数据扎根性、模型幻觉与风格一致性等评估维度；对 9 个 SOTA 音频-语言模型的测试显示，强指令遵循能力并不代表具备扎实的说话风格理解，相关代码与数据已开源。
来源：arXiv 自然语言处理 · arxiv.org