音訊事件定位

速報

指令向量導向大規模音頻語言模型：提升時間注意力與事件定位

研究者提出「指令向量導向」技術，透過比較不同指令提示下的模型激活，於固定音訊中生成導向向量，顯著改變大型音頻語言模型（LALM）的時間注意力分布，使其聚焦於聲音相關區段。