Improving Text-to-Audio Instruction Following via Fine-Grained Feedback from Audio-Aware Large Language Models
通过音频感知大语言模型的细粒度反馈改进文本到音频的指令跟随
发表机构 * National Taiwan University(国立台湾大学) ; Amazon(亚马逊)
AI总结 研究文本到音频指令跟随问题,提出用音频感知大语言模型作细粒度评判器的框架,经验证后用其反馈构建偏好对优化,引入S3Bench基准,实验证明该方法能提升事件完整性、时间排序和指令跟随准确性,且保持音频质量。
Comments Accepted to the Long Paper Track at Interspeech 2026