待验证50% 置信事实精确时间
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 2
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
待验证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78% 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68% 相似待验证谷歌翻译早期的重大突破很大程度上依赖海量平行语料库（双语成对文本）66% 相似待验证Google Brain团队2012年发表了DNN-HMM混合模型，代表深度神经网络语音识别系统65% 相似待验证Google早期发布的Micro Speech示例模型仅约18KB，能在微控制器上实时识别yes和no等简单指令63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/570040API
curl https://kongchang.com/api/v1/knowledge/claims/570040MCP
get_claim(id=570040)