arXiv · cs.CL· Ming-Hao Hsu·· 2 天前AI 评分39
ReListen：基于冻结音频语言模型的免训练长音频证据定位方法
ReListen: Training-Free Evidence Localization in Hour-Long Audio with Frozen Audio Language Models
来源与原文
arXiv · cs.CL
作者：Ming-Hao Hsu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.04480v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
ReListen 是一种免训练方法，让冻结的音频语言模型在回答前自行定位证据：模型按 20 秒窗口评分，从最高得分的 1 分钟音频中作答。在 VoiceGiraffe 上该证据片段与标注证据重合率达 88.5%，答案超过整段转写文本 9.2 个百分点，在 LAT-Bench 上无需改动即可进行事件定位。它比所有基于转写的系统更快，显存占用恒定，无需转写或额外训练即可搜索长达数小时的录音。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。