待验证50% 置信事实精确时间
现有 LLM 驱动的 Omni 嵌入模型在 MAEB 榜单上多语言文本到音频检索得分达 95-99%，但在无监督音频聚类上仅 1%-6%，语音情感识别（CREMA-D）约 20%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/28
首次发现
有效期至：2027/1/26
来源
涉及实体
相关事实
待验证OpenAI Whisper、Google的USM和Meta的MMS等多语言语音识别模型降低了多语言混合场景下的语音转文字技术门槛71% 相似待验证OpenAI的Whisper模型为代表的当前主流语音识别系统在安静环境下的中文识别准确率已超过95%70% 相似待验证语音到大模型（Speech-to-LLM）的端到端方案跳过文本转写，直接将语音特征映射到语言模型的表示空间，以保留语调、情绪等副语言信息。67% 相似待验证早期语音识别主流方案依赖隐马尔可夫模型（HMM），对噪声、口音和多语种混合识别能力有限66% 相似待验证语音情绪识别(SER)的主流方法已从传统手工特征+SVM/随机森林演进为基于wav2vec 2.0、HuBERT等预训练语音模型的迁移学习方案，在IEMOCAP数据集上加权准确率已超过70%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1108275API
curl https://kongchang.com/api/v1/knowledge/claims/1108275MCP
get_claim(id=1108275)