AI 大模型

多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-07-28 至 2025-07-28 共收录 2 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 音频语音多模态 2 篇

2507.19356 2025-07-28 cs.CL cs.SD eess.AS 62%

Hsuan-Yu Wang, Pei-Ying Lee, Berlin Chen

机构 * Department of English（英语系）； National Taiwan Normal University（台湾师范大学）； Department of Computer Science and Information Engineering（计算机科学与信息工程系）

专题命中音频语音多模态：multimodal(abstract)；分类 cs.CL、eess.AS

Comments 6 pages, 3 figures, to appear in the Proceedings of the 2025 International Conference on Asian Language Processing (IALP)

2505.18380 2025-07-28 cs.AI cs.LG 57%

Praphul Singh, Charlotte Dzialo, Jangwon Kim, Sumana Srivatsa, Irfan Bulu, Sri Gadde, Krishnaram Kenthapadi

机构 * Oracle Health & AI（Oracle健康与人工智能）

专题命中音频语音多模态：multi-modal(abstract)；分类 cs.AI

Comments Accepted to ACL 2025 Industry Track. To appear