AF-Chat ist ein Audio-Konversationstext-Datensatz, der 2025 von NVIDIA veröffentlicht wurde. Die zugehörigen Ergebnisse sind:Audio Flamingo 3: Fortschrittliche Audiointelligenz mit vollständig offenen großen Audio-Sprachmodellen“, dessen Ziel darin besteht, Modelle zur Dialoggenerierung zu trainieren und zu evaluieren. Der Datensatz enthält rund 75.000 Dialoge mit mehreren Audio-Runden (durchschnittlich 4,6 Segmente und 6,2 Runden; Bandbreite: 2–8 Segmente und 2–10 Runden) aus den Bereichen Sprache, Umgebungsgeräusche und Musik. Der Datensatz ist entsprechend dem Quelldatensatz jedes Audios in verschiedene Teilmengen (Sound, Music 4ALL, Millionen-Song-Datensätze) unterteilt. Es werden lediglich Text-Frage-Antwort-Anmerkungen bereitgestellt, nicht die Audiodateien selbst.

Zitat

@misc{ghoshaudioflamingonext,
title={Audio Flamingo Next: Next-Generation Open Audio-Language Models for Speech, Sound, and Music},
author={Sreyan Ghosh and Arushi Goel and Kaousheik Jayakumar and Lasha Koroshinadze and Nishit Anand and Zhifeng Kong and Siddharth Gururani and Sang-gil Lee and Jaehyeon Kim and Aya Aljafari and Chao-Han Huck Yang and Sungwon Kim and Ramani Duraiswami and Dinesh Manocha and Mohammad Shoeybi, Bryan Catanzaro and Ming-Yu Liu and Wei Ping},
year={2026},
eprint={},
archivePrefix={arXiv},
primaryClass={cs.SD},
url={},
}