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。

2025-11-07 至 2025-11-07 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

2511.04623 2025-11-07 cs.SD eess.AS 74%

Yutong Wen, Ke Chen, Prem Seetharaman, Oriol Nieto, Jiaqi Su, Rithesh Kumar, Minje Kim, Paris Smaragdis, Zeyu Jin, Justin Salamon

机构 * Adobe Research（Adobe研究院）； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）； MIT（麻省理工学院）

专题命中音频语音多模态：multimodal(title)；分类 eess.AS

Comments Submitted to ICASSP 2026

2511.04211 2025-11-07 cs.DL 50%

Peter Stockinger

专题命中音频语音多模态：multimodal(abstract)

Comments in French language

Journal ref Corpus audiovisuels. Quelles approches ? Quels usages ?, Editions des archives contemporaines, 2022, 9782813003799