音頻大模型記不住誰在說話？墨大新基準VoxMem揭穿：32K上下文下全員不及格

墨爾本大學與新南威爾士大學聯合團隊推出語音AI評測基準VoxMem，檢驗其在長達數小時、幾十輪真實對話中，能否記住說話人身份、語氣和背景聲。團隊指出舊評測只關注轉寫文字，丟失聲音中的身份、情緒與環境線索，無法衡量語音記憶能力，VoxMem正爲填補這一空白而設。