Uni-Stream统一流式语音语言模型

2026年10月26日，arXiv Artificial Intelligence 刊出 Xuan Shi 等作者的论文，提出 Uni-Stream 统一流式语音语言模型。该模型基于紧凑预训练语音模型，以流式方式处理交错的文本与语音，同时支持语音合成与识别；通过两阶段训练，其性能达到与任务专用模型相当的水平。团队还构建了流式训练数据标注流程，用于生成公开的转写文本和词级时间戳。分析发现，即便在同一模型架构中训练，语音与文本仍处于不同的潜在特征空间，且各模态内部表征在更靠后的层中更依赖具体任务。目前该工作处于论文发布阶段，报道未提及代码、模型或数据的开放情况，也未给出与其他系统的具体对比数字。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。