热点事件观察中

ReListen：免训练长音频证据定位方法

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Ming-Hao Hsu 在 arXiv 发布论文，提出免训练方法 ReListen：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（Jev 式扫描），再从得分最高的 1 分钟音频中作答。论文称，在 VoiceGiraffe 上证据片段与标注证据重合率达 88.5%，答案超过使用整段转写文本 9.2 个百分点；在 LAT-Bench 上无需改动即可进行事件定位。该方法无需转写或额外训练即可搜索长达数小时的录音，比基于转写的系统更快，且显存占用恒定。

AI 根据报道生成 · 11 小时前更新

最新进展11月3日 16:12

ReListen：基于冻结音频语言模型的免训练长音频证据定位方法

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

16:12
arXiv · cs.CL
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 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。

本事件热度走势

可比范围当前: 3
可比范围峰值: 411月5日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。