首个可保留情感的音频LLM！Meta重磅开源7B-Spirit LM，一网打尽「音频+文本」多模态任务
Meta开源了7B参数的多模态语言模型Spirit LM，能自由转换语音和文本模态，捕捉和再现情感。模型分为基础版和表达版，后者增加音高和风格单元，提升语音表现力。通过交错使用文本和语音数据训练，Spirit LM在ASR、TTS等任务中表现出色，尤其在少量样本提示下性能优异。来源：https://mp.weixin.qq.com/s/EdhQ8S0ik5a6-EGJtTV1tw
页:
[1]