arXiv cs.CL· Shreeram Suresh Chandra, Ashwyn Sharma, Liang Lu, Xiutian Zhao, Leda Sari, Bj\"orn Schuller, Berrak Sisman·· 4 小时前AI 评分33
StyleInstructCaps：首个面向音频语言模型的可控说话风格描述标准化基准
A Benchmark for Controllable Speaking-Style Captioning in Audio-Language Models
AI 导读
一项新研究提出 StyleInstructCaps，首个面向音频语言模型的可控说话风格描述（SSC）标准化基准，包含数据集与评测框架。该基准衡量元数据接地性、模型幻觉、指令遵循、对未见指令与音频数据集的泛化及说话人风格一致性，覆盖九个 SOTA 音频语言模型。结果显示强指令遵循能力不等于接地的说话风格理解，SSC 专属的指令多样化训练可显著提升接地性、可控性与说话人一致性。
来源：arXiv cs.CL · arxiv.org