محققان در جدیدترین گزارش فنی خود برای چالش DCASE 2026، یک چارچوب جدید و سلسلهمراتبی برای طبقهبندی فایلهای صوتی معرفی کردهاند. این سیستم با استفاده از مدلهای CLAP و بهرهگیری از ویژگیهای آکوستیک دقیق، توانسته به دقت خیرهکنندهای در دستهبندی اصوات دست پیدا کند.
نکته جالب اینجاست که این مدل با ترکیب روشهای یادگیری ماشین و پردازشهای پس از آموزش، توازن بسیار خوبی بین دقت جزئی و کلی در طبقهبندی صداها ایجاد کرده که برای کاربردهای پردازش صوت در هوش مصنوعی یک گام رو به جلو محسوب میشود.
منبع: arXiv AI
