Spatial-Omni: Comprensión de audio espacial en LLMs con codificación FOA
Spatial-Omni integra audio espacial en LLMs multimodales con codificación FOA. Mejora localización y razonamiento espacial. ¡Descúbrelo!
#comprensión de audio
AuRA: internalizando audio en LLMs mediante LoRA
Descubre cómo AuRA internaliza la comprensión del audio en LLMs mediante LoRA, superando a sistemas en cascada con mayor eficiencia y precisión.
Audio-FLAN: dataset de instrucciones para comprensión y generación de audio
¡Descubre Audio-FLAN! Un dataset masivo con 100M+ instancias para comprensión y generación de voz, música y sonido. Ideal para LLMs.
MOSS-Audio: el modelo de IA que unifica voz, sonido y música
MOSS-Audio unifica voz, sonido y música con DeepStack y time markers. Descubre su arquitectura y rendimiento en ASR y razonamiento con audio.