Reddit
Marimba: единая модель для распознавания речи и анализа аудио
Исследователи представили систему Marimba, использующую один замороженный энкодер Qwen3-ASR для решения нескольких задач: поиска терминов, определения языка, смены говорящих и завершения реплики. Модель демонстрирует результаты, сопоставимые или превосходящие Qwen3-Omni в большинстве тестов, при этом требуя всего один проход энкодера на 8-секундное окно аудио.
score 40r/MachineLearning