Skip to content
Hot eventLive

LATTE：面向Audio LLM的音系感知说话人提取前端

1 reports1 sources3 hr ago updated

Get the story

AI overview

研究者提出 LATTE，一个面向 Audio LLM 的目标说话人提取（TSE）前端。该模型参数量为 5.2M，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。该报道为 arXiv 预印本（一手），目前未见后续验证或同行评议信息。

Generated from reports · updated 2 hr ago

LatestOct 12
研究者提出5.2M参数TSE前端LATTE，按样本分配计算，无需语言身份。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Audio and Speech
    LATTE：面向 Audio LLM 的音系感知说话人提取前端

    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。

Heat trend

There is not enough continuous observation data to draw a trend yet.