Audio Captioning
Audio Captioning 是将音频内容转化为文本描述的任务。其核心目标是通过音频编码器捕捉音频特征，再利用解码器生成自然语言描述，以实现对音频内容的准确理解和表达。该任务在多媒体内容分析、辅助听障人士理解音频信息等方面具有重要应用价值。然而，现有的机器翻译和图像描述评估指标并不完全适用于音频描述的质量评估，因此研究者正探索使用预训练语言模型如Sentence-BERT等新型评估方法。
Audio Captioning 是将音频内容转化为文本描述的任务。其核心目标是通过音频编码器捕捉音频特征，再利用解码器生成自然语言描述，以实现对音频内容的准确理解和表达。该任务在多媒体内容分析、辅助听障人士理解音频信息等方面具有重要应用价值。然而，现有的机器翻译和图像描述评估指标并不完全适用于音频描述的质量评估，因此研究者正探索使用预训练语言模型如Sentence-BERT等新型评估方法。