团队发布CARES语音反应合成基准

研究团队发布合成基准CARES，包含10,000个双说话人场景，用“说话者能听出反应”这一规则定义声音显著性，并由语言模型生成对话以固定标注答案。 团队在场景识别、声音打标和反应分类三项任务上评测了六个音频语言模型，结果显示这些模型能听到声音，却识别不出说话者对其的反应。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。