首个开源多向量音频检索模型 WavLate 发布

antoine_chaffin · x · 2026-11-20

Aarush 等人发布 WavLate,据称是首个面向音频-文本检索的开源 late-interaction(多向量)模型:每 0.31 秒音频保留一个向量、每个词一个向量,让每个词在音频中找到最佳匹配片段。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →