SAM Audio 还可以通过文本提示来分离音频，例如从户外拍摄的视频中过滤掉嘈杂的交通噪音。此外，跨度提示功能可以帮助人们一次性解决音频问题，例如在整个播客录音中过滤掉狗叫声的噪音。

随着音频大语言模型的快速发展，当前主流的音频编码器几乎都基于OpenAI的Whisper Encoder，这种单一技术的依赖限制了模型架构的多样性和整体能力的提升。AECC挑战赛将着重评估音频编码器在复杂真实场景下的理解与特征表示能力，进一步满足日益增长的音频理解需求。

国际语音顶级会议 Interspeech 2026 将于 2026 年 9 月在澳大利亚悉尼举行。由小米、萨里大学、清华大学、海天瑞声联合发起的第二届 Audio Encoder Capability Challenge（AECC）音频编码器能力挑战赛将同步亮相 Interspeech 2026，目前已正式开放报名。

Transformer 架构的伟大之处，不仅在于提出了注意力机制，更在于提供了一套 “模块化” 的设计框架 —— 通过组合编码器（Encoder）和解码器（Decoder），可以衍生出多种结构变体。从 BERT 的 “纯编码器” 到 GPT 的 “纯解码器”，从 T5 的 “编码器 - 解码器” 到 ...

文本编码技术是现代搜索系统、推荐算法、语义相似度分析和检索增强生成（RAG）系统的基础核心。在众多文本编码策略中，Cross-Encoder和Bi-Encoder两种架构因其独特的设计理念和应用特性而被广泛采用。本文将深入分析这两种编码架构的技术原理、数学基础 ...