Skip to content
Original
arXiv · Audio and Speech· Yanxiang Chen, Haoyuan Deng, Jinyu Wang, Hongyi Chen, Dingshan Li, Runlin Huang, Weifeng Su·· 4 hr agoAI score26

LATTE：面向 Audio LLM 的音系感知说话人提取前端

Phonology-Aware Speaker Extraction Frontend for Audio LLMs

AI brief

研究者提出 LATTE，一个面向 Audio LLM 的 5.2M 参数目标说话人提取（TSE）前端，结合声学 Difficulty Estimator、任务自适应音系先验与 Adaptive Hourglass Extractor，无需语言身份即可按样本分配计算。

Source: arXiv · Audio and Speech · arxiv.org

#论文/研究#语音#端侧#arXiv