@Chenyang_Lyu：隆重开源LongSpeech，将亮相#ICASSP2026！多数音频大模型聚焦短音频，却难啃长音频……

X AI KOLs Following 2026/04/21 11:58 论文

audio-llm long-speech dataset icassp2026 benchmark

摘要

研究团队发布LongSpeech：含10万条约10分钟片段的数据集，覆盖8项任务，用于评测长音频理解能力，将在ICASSP 2026亮相。

隆重开源LongSpeech，将亮相#ICASSP2026！当前多数音频大模型只擅长短音频，对长录音束手无策。我们的新数据集包含10万+段、每段约10分钟，覆盖8项任务，专为评测长音频理解而生。

查看原文

相似文章

arXiv cs.CL

本文介绍了FBK在IWSLT 2026指令跟随共享任务中的提交，开发了用于短时和长时语音指令跟随的SpeechLLMs，探索了分割方法，并通过固定30秒分割实现了稳健的长时性能。

arXiv cs.CL

ELARSpeech 推出了一个包含 30,202 小时语音、涵盖 675 种代表性不足语言的数据集，数据精选自濒危语言档案库，同时提供训练好的自动语音识别（ASR）和文本转语音（TTS）模型以及完整的数据处理流程，以推动长尾多语言语音技术的发展。

X AI KOLs Following

开源 Audio8 ASR Infinite，一种具有超低延迟、无限制音频支持、24/7转录和内置语义轮次检测的语音识别工具，据称是流式ASR的新技术标杆。

Hugging Face Daily Papers

Swanbench-Speech是一个综合基准评测，用于在多样化场景下评估长篇语音生成，采用涵盖声学、语义和表现力的多维度指标，揭示了当前模型的局限性。

arXiv cs.CL

SEA-SpeechBench是首个大规模多任务基准测试，用于评估11种东南亚语言的语音理解，揭示了当前模型的性能差距。