待验证70% 置信事实精确时间
文本编码器负责将自然语言提示词转换为高维嵌入向量供扩散模型的去噪过程使用
2
来源数
70%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
已验证Whisper的架构采用编码器-解码器结构，编码器将音频的梅尔频谱图转化为高维特征表示，解码器以自回归方式逐词生成文字输出82% 相似待验证文本编码器负责将提示词字符串转换为模型可读的向量表示（conditioning），是连接文字描述与图像生成的核心桥梁80% 相似待验证Midjourney使用CLIP的文本编码器将提示词转换为条件向量，引导扩散模型的去噪过程79% 相似待验证音频语言模型（ALM）是一类能够同时处理音频和文本输入并生成文本输出的多模态模型，通过音频编码器将声音信号映射到语言模型的表示空间。77% 相似已验证神经音频编解码器如EnCodec、DAC将连续音频压缩为离散Token序列，使语音可像文字Token一样被自回归语言模型直接处理76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/568799API
curl https://kongchang.com/api/v1/knowledge/claims/568799MCP
get_claim(id=568799)