arXiv 自然语言处理· Ming-Hao Hsu, Shujie Liu, Yuxuan Hu, Yuxiang Wang, Yingda Shen, Jinyu Li, Zhizheng Wu·· 16 時間前AI スコア44
ReListen：利用冻结音频语言模型实现小时级长音频免训练证据定位
ReListen: Training-Free Evidence Localization in Hour-Long Audio with Frozen Audio Language Models
未翻訳のため中国語で表示しています。
AI ガイド
研究团队提出免训练方法 ReListen，让冻结音频语言模型通过 20 秒窗口扫描自主定位证据，仅基于最高分的 1 分钟音频作答。在 VoiceGiraffe 上其证据重叠率达 88.5%，表现超过全文本转录 9.2 分，并在 LAT-Bench 上媲美专门训练的模型。ReListen 回答速度快于各类转录系统，且在单卡 GPU 上显存占用保持恒定。
出典：arXiv 自然语言处理 · arxiv.org