待验证50% 置信事实精确时间
自监督语音编码器将语言信息和副语言信息压缩在同一个共享、纠缠的表示空间里
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
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77% 相似待验证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74% 相似待验证词汇-韵律单元化与分块方法仅对连续的词单元进行池化处理，以在文本和语音两种模态中保留事件的身份和量级73% 相似已验证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72% 相似待验证大语言模型的每次推理依赖完整的上下文窗口，对话分支意味着不同子线程各自维护独立的消息历史，互不污染71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/990352API
curl https://kongchang.com/api/v1/knowledge/claims/990352MCP
get_claim(id=990352)