LLASM: LARGE LANGUAGE AND SPEECH MODEL

828 篇文章

已下架不支持订阅

本文介绍LLaSM,一个端到端训练的大型多模态语音语言模型,能理解并遵循语音和语言指令,提升了人机交互的自然性。同时,创建了大型语音指令数据集LLaSM音频指令,代码和数据集已在GitHub和Hugging Face公开。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《LLASM: LARGE LANGUAGE AND SPEECH MODEL》的翻译。

LLASM:大型语言和语音模型

摘要

近年来,多模态大型语言模型引起了人们的极大兴趣。尽管如此,大多数工作都集中在视觉语言多模态模型上,该模型在遵循视觉和语言指令方面提供了强大的能力。然而,我们声称言语也是人类与世界互动的一种重要方式。因此,对于通用助理来说,能够遵循多模态语音和语言指令是至关重要的。在这项工作中,我们提出了大型语言和语音模型(LLaSM)。LLaSM是一个端到端训练的大型多模态语音语言模型,具有跨模态会话能力,能够遵循语音和语言指令。我们早期的实验表明,LLaSM为人类与人工智能交互提供了一种更方便、更自然的方式。具体来说,我们还发布了一个大型语音指令跟随数据集LLaSM音频指令。代码和演示在https://github.com/LinkSoul-AI/LLaSMhttps://huggingface.co/spaces/LinkSoul/LLaSM可用。LLaSM音频指令数据集在

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值