研究者提出可控说话风格描述基准 StyleInstructCaps

Shreeram Suresh Chandra 等研究者在 arXiv 发布 StyleInstructCaps，称其为首个针对音频语言模型可控说话风格描述（SSC）的标准化基准。该基准将 SSC 建模为指令跟随任务，通过指令指定需要描述的风格维度，如说话人特质、情感和表达风格。 相关代码、数据和基准已通过链接公开，可用于评测模型按指令生成说话风格描述的能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。