跳到正文
热点事件持续更新

WavLate开源多向量音频检索模型

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Aarush等人发布并开源了面向音频—文本检索的多向量模型WavLate,称其为首个开源的late-interaction检索模型。模型每0.31秒音频和每个词分别保留一个向量;使用单一通用模型、未针对具体数据集微调时,在AudioCaps和Clotho上的平均Recall@1达到37.9。 模型权重、包含难负例的训练数据及测试池均已开放。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    Aarush 等人发布开源多向量音频检索模型 WavLate

    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。模型每 0.31 秒音频保留一个向量、每个词保留一个向量,在 AudioCaps 和 Clotho 上未经逐数据集微调的平均 Recall@1 达 37.9。模型权重、含难负例的训练数据和测试池均已开源。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。