#声音场景描述

2周前

Qwen 开源 Qwen3-Omni-30B-A3B-Captioner，不明白这里的 Captioner 是什么意思，让 GPT 解释了下 Captioner”指的是“音频描述生成器”——一种专门做音频描述（audio captioning）的模型：输入任意一段音频，模型用自然语言生成对声音场景的细致描述，而不是逐字把人声转成文本举个例子：给模型一段街头录音，ASR会输出“有人说：‘往左走’”；而Captioner会输出“傍晚的繁忙街道上，车辆驶过伴随间歇的喇叭声，远处有人交谈”。

#Qwen3-Omni-30B-A3B-Captioner #音频描述生成器 #audio captioning #声音场景描述 #自然语言生成