Alex碎碎念1天前
多模态大语言模型真能胜任音素级别的辨音纠音吗？ 曾经试过豆包，发现豆包并不能准确说出发音错误，甚至还有不少假阳性。 大语言模型对节奏韵律也没有能力分辨。 说明多模态大模型的底层原理就不支持这个任务吧？ 是我外行了吗？有没有懂模型底层原理的伙伴指点迷津。
葛立民1天前
模型的歧视问题。这个和AI能不能做一个智力任务没有关系，模型的智力是涌现出来的。这里问题的本质是它其实反映了作为大模型绝大多数语料来源的美国社会里面白人的社会地位最高，印度人其次，东亚人最低。这是许多非英语母语的学者喜欢研究的一个ai治理有关的话题。类似的模型歧视现象非常容易就能测出来
Alex

正在创造AI英语老师

感谢回答。不过我想问的其实是大模型是否真的像文章里说的，有听出英语口音的细节的能力，这应该不是一个和语言相关的智力任务吧？

登录并发表评论

评论 · 5

Flylemon1天前
国外有个Praktika AI专门做语言培训的，他们的底层模型貌似可以，还是要看应用方向。
Alex1天前
感谢！我去了解一下
葛立民1天前
英语口音反映在音频信号上是一个很明显的pattern，模型通过自己学习的所有语料了解到了，有中国人口音这种pattern的数据对应的是中国人，对应的是在美国比较边缘的种群现状。
葛立民1天前
模型不光有听出口音的能力，还有听出一切我们能总结出的和总结不出的显式的和隐式的pattern的能力。 豆包的能力不行，只是因为相对来说语料和训练还不足。类似的举个例子，o/a对于阿拉伯语的语料也非常不足，因此在那个语言上的判断能力就比较差。