标签
本文提出了针对SpeechLLMs的情感识别判别式适配方法，通过在线性分类头上使用最终提示词token的隐状态，提升性能和可解释性，消除幻觉并增强情感方向分析。
提出了一种用于流式语音转文本翻译的SpeechLLM架构，该架构根据音频自适应决定何时输出令牌，实现了1-2秒的延迟，且质量接近非流式基线。