待验证70% 置信事实精确时间
Google于2023年发布的AudioPaLM率先将语音token直接注入语言模型词汇表，实现文本与音频在同一表示空间中联合建模
2
来源数
70%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证端到端语音架构的早期探索可追溯到2014年前后Google提出的Sequence-to-Sequence模型，以及2016年百度提出的Deep Speech 278% 相似待验证谷歌以往的语音识别能力主要以 Cloud Speech-to-Text API 的形式提供，偏向企业与开发者的后端集成74% 相似待验证工具增强语言模型（Tool-Augmented Language Model，TALM）最早的系统性论述可追溯至 2022 年 Google 发表的同名论文70% 相似待验证谷歌拥有来自 YouTube、搜索语音输入、Android 系统的全球规模最大的多语言语音数据积累，构成训练数据层面的护城河70% 相似待验证谷歌于2018年推出BERT预训练语言模型，2022年推出拥有5400亿参数的PaLM模型69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/520896API
curl https://kongchang.com/api/v1/knowledge/claims/520896MCP
get_claim(id=520896)