LALMでメディア向け自動チャプター分割手法 AudioChaps

arXiv cs.CL ・ 2026-08-17

原題: Listen, Reason, and Segment: Aligning LALMs with Editorial Judgment for Media Chapterization

AI による要約

LALM（大規模音声言語モデル）を編集判断に基づくメディア向けチャプター分割に適用する「AudioChaps」を提案した。GRPOとCoT推論を用いたポストトレーニングで、主観的な編集判断を模倣し、連続音声のテーマ別分割を実現。30時間超の音声データで評価し、従来手法を上回る性能を確認した。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CL）をご確認ください。