音声大モデルは誰が話しているかを覚えていない？モントレアル大学の新基準VoxMemが暴露：32Kの文脈下で全員不合格

メルボルン大学とニューサウスウェールズ大学の連携チームが、音声AIの評価基準VoxMemを発表しました。この基準では、何時間にも及ぶ長時間の会話や数十ラウンドの実際の対話において、話し手の身分、トーン、および背景音を記憶できるかを検証します。チームは、従来の評価はテキストの認識に焦点を当てており、音声における身分、感情、環境の手がかりを失っているため、音声記憶能力を測定するには不十分であり、VoxMemはこのような空白を埋めるために開発されたと指摘しています。