IXThinker·2026-01-07 15:14

首個原生音頻基準出爐 大模型語音集體失手

Scale AI發布首個原生音頻多輪對話基準Audio MultiChallenge，測試結果顯示大模型在真實人聲場景的表現遠遜文本領域：Gemini 3 Pro通過率僅過半，GPT-4o Audio表現更差。

合成語音的假象

隨着實時語音模型普及，外界一度以為AI已跨越自然交互的門檻。但過往評測多依賴合成語音，模型在語音對話中顯現的「聰明」，很大程度上源於評測手段的滯後。