http://t.cn/AXwoSTXY
一篇讨论LLM在音频处理领域的应用，尤其是如何通过神经音频编解码器（neural audio codec）将语言模型与音频编码器/解码器结合，从而实现音频续续预测。
当前的语音LLM（如Gemini、ChatGPT的高级语音模式等）仍存在不足，主要是无法理解和生成自然的语音，例如无法判断语气的高低、情感或讽刺。
发布于 山东
蚁工厂