Nya metoden ger AI exakt koll på när ord sägs i tal

arXiv cs.AI

Forskare har tränat upp stora språkmodeller för tal (SpeechLLMs) att inte bara förstå vad som sägs, utan också exakt när varje ord yttras – något som tidigare varit svårt att få till. Tricket är att byta ut absoluta tidsstämplar mot relativa sådana, vilket ger modellen ett mer kompakt ordförråd och bättre förmåga att generalisera. Praktiskt användbart för till exempel automatisk textning och sökning i ljudfiler.