语音大模型

TalTech 团队在 Beyond Transcription 挑战赛中，通过 Voxtral 语音大模型结合 LoRA 微调与强化学习，直接从医患对话录音生成 SOAP 笔记，并在两个赛道均获第一，同时保持最低的幻觉率。

阿里推出新一代实时语音大模型Qwen-Audio-3.0-Realtime，在响应速度与功能覆盖上实现显著提升。该模型支持语音对话、多任务处理等四项核心功能升级，旨在优化人机交互体验。

研究人员针对新加坡国情，将开源语音大模型适配至当地警务等敏感领域，在四种官方语言任务中表现超越更大规模模型，同时构建了超过50万样本的多语言问答数据集。