大厂专区

NVIDIA（英伟达）

2026-07-30 至 2026-07-30 共收录 2 篇

2607.26410 2026-07-30 cs.CL cs.AI cs.SD eess.AS 新提交

Voice Memory for Agentic Speech Recognition

面向智能体语音识别的语音记忆

Chao-Han Huck Yang, Zih-Ching Chen, Piotr Zelasko, Zhehuai Chen, Jagadeesh Balam, Boris Ginsburg

机构 * NVIDIA（英伟达）

AI总结该研究提出仅推理方案Voice Memory，通过听者-思考者架构克制过度校正，在10个HyPoradise域上将加权词错误率降至7.52%，可跨校正器迁移且不增加推理参数。

Comments Preprint. Technical report and open source: https://huggingface.co/huckiyang/voice-memory

2605.30256 2026-07-30 cs.CV cs.CL cs.HC 版本更新

VideoFDB: 评估对话代理中的全双工视觉-语音能力

Amrita Mazumdar, Seonwook Park, Rajarshi Roy, Nikhil Srihari, Shengze Wang, Yuhao Zhou, Julia Wang, Koki Nagano, Shalini De Mello

机构 * NVIDIA ； David AI

AI总结提出首个全双工视听到视听（AV2AV）对话基准VideoFDB，通过237个真实视频片段、感知与生成行为分类以及基于评分规则的LM评判框架，系统评估代理在非语言对话动态中的表现，发现现有系统存在字幕崩溃和视觉流忽视等缺陷。