Marimba：基于冻结 Qwen3-ASR 的开源语音决策模型，Apache-2.0 发布
solanotodesch · reddit · 2026-11-16
Marimba 是一个类似 Jev 但面向音频的 System One 模型，设计目标是快速、轻量，并返回类型化的语音决策结果（是/否、选项或打分）。
技术架构上，它基于冻结的 Qwen3-ASR-0.6B 构建：词与语言相关问题利用 ASR 解码器假设的零样本打分并做校准；冻结编码器上的小型读出头负责语音活动检测、轮次结束、说话人切换和说话人数量判断。
已开源：权重采用 Apache-2.0 协议，pip install marimba-audio 即可安装，提供 60 秒演示视频和在线 Demo，配套基准数据集已发布，论文本周将上传 arXiv。
「多模态」频道最新
- 作者用 Dreamina 与海螺 AI 重制三年前的 AI 短片《Disclosure》 — AIandDesign · 2026-11-16
- 已故演员开口唱歌：AI还原《星际迷航》全员演唱滑稽歌剧 — fortnow · 2026-11-16
- Midjourney sref 出蜡笔质感指环王角色：Frodo、Legolas、Aragorn 一套风 — sergeantsref · 2026-11-16
- Minimax H3 图像模型被指仓促上线：细节缺失且编辑模式更差 — Upper-Okra7971 · 2026-11-16
- 开发者给 Gaussian 图像转 3D VR 应用加上实时重打光功能 — darlens13 · 2026-11-16
- 13 个 Claude Code 3D 技能仓库走红:一行代码生成可交互 3D 机器 — Roger_M_Taylor · 2026-11-16