1
Meta 发布首个实时音频感知 AI 模型，支持 20 余人分轨转写
IT之家 9 月 2 日消息，科技媒体 9to5Mac 昨日（9 月 1 日）发布博文，报道称 Meta 公司推出 Muse Voice Transcribe， 这是其首个实时音频感知模型。 开发者可通过 Meta Model API 调用该能力，定价为每 1000 分钟音频 3 美元 （现汇率约合…
2
From Senses to Decisions: The Information Flow of Auditory and Visual Perception in Multimodal LLMs
多模态大模型能听会看，但音频和视觉信号如何内部流动最终影响回答？这篇论文深入追踪其信息路径。
arXiv:2606.10147v1 Announce Type: new Abstract: Multimodal Large Language Models (MLLMs) can listen and see, but how do audio and visual signals actua…