IXThinker·2026-02-20 08:40

語音大模型真的聽懂了嗎 基準揭短板

隨著語音大模型從語音識別走向複雜語音交互，一個更基礎的問題浮現：模型是否真正「聽懂」語音？ICLR 2026發布的MMSU綜合評測給出潑冷水的答案——最佳模型僅得60.7%，與人類的89.7%相距甚遠。

評測怎樣設計

MMSU基於語言學框架構建，系統評估語音中的語調、停頓、情緒等關鍵要素，是目前最全面的口語感知與推理基準之一，考驗模型對真實口語的理解邊界。