阿里巴巴研究團(tuán)隊(duì)最近推出的Qwen-Audio系列為大規(guī)模音頻語言模型領(lǐng)域帶來了重大突破。該系列通過采用層次標(biāo)簽的多任務(wù)框架,成功解決了有限的預(yù)訓(xùn)練音頻模型面臨的多樣化任務(wù)的挑戰(zhàn)。
相比之前專注于語音的工作,Qwen-Audio不僅包含人類語音,還涵蓋了自然聲音、音樂和歌曲,實(shí)現(xiàn)了在具有不同粒度的數(shù)據(jù)集上的協(xié)同訓(xùn)練。該模型在語音感知和識(shí)別任務(wù)方面表現(xiàn)出色,而無需進(jìn)行特定任務(wù)的修改。
Qwen-Audio的多任務(wù)框架有助于減輕干擾,實(shí)現(xiàn)了在基準(zhǔn)任務(wù)上的顯著性能。Qwen-Audio-Chat作為擴(kuò)展,不僅支持多輪對(duì)話,還適用于各種音頻中心場(chǎng)景,展示了在大規(guī)模音頻語言模型中全面的音頻交互能力。
盡管大規(guī)模語言模型在通用人工智能方面表現(xiàn)出色,但它們?nèi)狈?duì)音頻的理解。Qwen-Audio系列的推出填補(bǔ)了這一空白,將預(yù)訓(xùn)練擴(kuò)展到30個(gè)任務(wù)和多種音頻類型。
Qwen-Audio系列的訓(xùn)練方法分為兩種:Qwen-Audio采用多任務(wù)預(yù)訓(xùn)練方法,優(yōu)化音頻編碼器同時(shí)凍結(jié)語言模型權(quán)重;相反,Qwen-Audio-Chat采用監(jiān)督微調(diào),優(yōu)化語言模型同時(shí)固定音頻編碼器權(quán)重。這一訓(xùn)練過程包括多任務(wù)預(yù)訓(xùn)練和監(jiān)督微調(diào),使Qwen-Audio-Chat具有多樣的人際交互能力,支持從音頻和文本輸入中的多語言、多輪對(duì)話。
Qwen-Audio在各種基準(zhǔn)任務(wù)上表現(xiàn)出色,明顯優(yōu)于沒有特定任務(wù)微調(diào)的對(duì)照組。它在AAC、SWRT ASC、SER、AQA、VSC和MNA等任務(wù)上始終超越基線,同時(shí)在CochlScene、ClothoAQA和VocalSound上取得了最先進(jìn)的結(jié)果,展示了其在挑戰(zhàn)性音頻任務(wù)中的有效性和能力。
Qwen-Audio系列未來的探索方向包括擴(kuò)展不同音頻類型、語言和特定任務(wù)的能力。通過優(yōu)化多任務(wù)框架或探索替代的知識(shí)共享方法,可以解決協(xié)同訓(xùn)練中的干擾問題。
研究人員還計(jì)劃通過不斷更新基于新基準(zhǔn)、數(shù)據(jù)集和用戶反饋的內(nèi)容,提高通用音頻理解水平。Qwen-Audio-Chat將進(jìn)一步優(yōu)化以符合人類意圖,支持多語言互動(dòng),并實(shí)現(xiàn)動(dòng)態(tài)多輪對(duì)話。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。