提出AudioTETRIS音频token压缩框架

Shreya Sajid、Anna Vettoruzzo和Joaquin Vanschoren在arXiv发布论文，提出无需训练的两阶段音频token压缩框架AudioTETRIS：先用音频编码器的表示几何结构生成逐token重要性分数作为声学先验，再在LLM解码器各层进行基于注意力的渐进式Top-k选择。 论文称，在Qwen2-Audio-7B、Phi-4-Multimodal和Audio Flamingo 3上评估，AudioTETRIS仅用25%的音频token即可在若干语音任务上保持接近未压缩的性能。该结果基于论文摘要，尚属作者声称，未见独立复现。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。