Omnilingual-MsASR多语多模态长时多说话人ASR基准发布
热点事件持续更新
Omnilingual-MsASR多语多模态长时多说话人ASR基准发布
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者Yuan Ge等人提出并发布Omnilingual-MsASR，一个面向长时多说话人自动语音识别的多语言、多模态基准，覆盖6种语言、最长30分钟录音、最多20名说话人，并提供平行音频与视频输入以考察跨模态一致性。 对领先全模态大模型的评测显示明显性能瓶颈：tcpWER常超过100%，细粒度时间定位、说话人区分与跨模态协同成为关键挑战。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
Omnilingual-MsASR：评测全模态大模型的多语言长时多说话人 ASR 基准报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv cs.CLOmnilingual-MsASR：评测全模态大模型的多语言长时多说话人 ASR 基准
研究者推出 Omnilingual-MsASR，一个面向长时多说话人自动语音识别的多语言、多模态基准，覆盖 6 种语言、最长 30 分钟录音、最多 20 名说话人，并提供平行音频与视频输入以考察跨模态一致性。对领先全模态 LLM 的评测显示明显性能瓶颈，tcpWER 常超过 100%，细粒度时间定位、说话人区分与跨模态协同成为关键挑战。
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。