研究者发布可控说话风格描述基准StyleInstructCaps

Shreeram Suresh Chandra等研究者提出并发布StyleInstructCaps，称其为首个面向音频语言模型的可控说话风格描述（SSC）标准化基准。该基准把SSC设定为指令遵循的音频-语言任务，并配套数据集与评测框架。 据研究者说明，评测覆盖元数据接地性、幻觉、指令遵循、对未见指令与音频数据集的泛化，以及说话人风格一致性。上述“首个”与评测范围均为研究者自述，报道未给出第三方验证结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。