基准

CREMA-D

语音情感识别基准数据集，包含多名说话者的情感语音样本，常用于评估音频模型的情感分类能力

时间轴 (近 90 天)

10月28日

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%。

待验证50%

10月28日

对 EmbeddingGemma-2 的第 6 层（均值池化）进行探测，CREMA-D 情感分类从 19.7% 翻倍至 39.5%。

待验证50%

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%。

对 EmbeddingGemma-2 的第 6 层（均值池化）进行探测，CREMA-D 情感分类从 19.7% 翻倍至 39.5%。