标签
UniSE 是一个统一的、无需提示的、自回归语音增强模型,基于纯解码器语言模型,支持单一模型内完成语音恢复、目标说话人提取和语音分离等多种任务。
llama.cpp 中的一个合并的 PR 实现了一种新的 'Gemma 4 Unified' 模型类型,表明 Google 即将发布一个无 Transformer 的视觉塔模型。
TorchUMM 是一个统一的代码库,用于评估和分析多模态模型在理解、生成和编辑任务上的表现,采用标准化协议和多样化数据集,能够实现公平比较并深入洞察模型的优势与局限性。