11-19 更新 实时
首页/ 多模态/ 正文

VIPBench:声音克隆时代的人类对齐声音身份感知基准

多模态 来源:arXiv CS/SD 2026-11-04 05:21 0 阅读 机器翻译

说话人识别基准测试的是模型还原录音说话人标签的准确度,把声音身份视为说话人自身的一种属性。然而,这些基准并不评估人类如何……

原文为英文,标题与摘要由机器翻译,完整内容请阅读原文。

本文为自动采集的摘要速览

全文正在由采集器补抓,稍后刷新本页即可看到完整译文;也可先前往来源站点阅读原文。

本文由采集器自动同步

原文发布于 arXiv CS/SD(VIPBench: A Human-Aligned Benchmark for Voice Identity Perception in the Age of Voice Cloning),标题、摘要与正文由机器翻译,术语按行业惯例统一,未经人工逐句校订。

阅读原文 ↗