热点事件持续更新
研究团队推出长音频多说话人语音识别基准Omnilingual-MsASR
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员推出了面向全模态大语言模型的长音频多说话人语音识别评测基准 Omnilingual-MsASR。该基准涵盖6种语言、长达30分钟的录音以及多达20位说话人的场景，提供音视频并行输入以评估跨模态一致性与互补线索利用能力。评测结果显示，当前主流全模态大模型在长音频多说话人场景下存在显著的性能瓶颈，其 tcpWER 指标经常超过100%。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究团队推出评测基准Omnilingual-MsASR，主流模型tcpWER常超100%。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 自然语言处理Omnilingual-MsASR：全模态大语言模型多模态多语言长音频多说话人 ASR 评测基准
研究人员推出全模态大语言模型长音频多说话人语音识别评测基准 Omnilingual-MsASR。该基准涵盖 6 种语言、长达 30 分钟的录音以及多达 20 位说话人的场景，提供音视频并行输入以评估跨模态一致性与互补线索利用能力。评测显示主流全模态模型存在显著性能瓶颈，其 tcpWER 经常超过 100%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。