- formatting
- images
- links
- math
- code
- blockquotes
•
•
•
•
•
-
arXiv'24 | SenseVoice：10 秒音频 70ms 转完，阿里在 LLM 化浪潮里逆行的 non-autoregressive 路线
-
arXiv'24 | Seed-ASR：字节跳动把 ASR 做成了'给 LLM 喂音频'，上下文感知才是杀手锏
-
arXiv'26 | Qwen3-ASR：1.7B 对线 GPT-4o，阿里把 ASR 卷成了'又小又快又开源'
-
arXiv'25 | MiMo-Audio：小米用 1 亿小时音频复刻 GPT-3 时刻，few-shot 能力真的涌现了
-
arXiv'25 | Kimi-Audio：1300 万小时音频 + 混合 token 输入，月之暗面的通用音频底座怎么搭
滚轮缩放、拖动空白处平移；悬停节点会高亮同主题与直接相关的文章、其余淡出；点击节点打开文章。