Le filThèmes : RechercheÉvaluations
Des chercheurs montrent que l’objectif d’entraînement pèse plus que l’EER sur la similarité vocale perçue
1 sourcemis à jour 29 sept.pertinence 1,3 sur5
L’essentiel
Les pertes de classification standard comme AAM-Softmax alignent moins bien les modèles avec le jugement humain que les pertes métriques prototypiques. Un goulot de dimensionnalité fait passer l’alignement perceptuel de 0,08 à 0,74.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSzu-Chi Chen, Jia-Kai Dong, Yi-Cheng Lin et al.huggingface.co
Rethinking Automated Voice Similarity by Shifting from EER to Embedding Geometry (site externe)
Speaker verification (SV) models are commonly assumed to better capture nuances among speaker characteristics as verification accuracy improves, leading to their widespread use as automated proxies for human voice similarity in speech generation tasks.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5