arXiv cs.AI· Anum Afzal, Yuki Saito, Hiroya Takamura, Katsuhito Sudoh, Shinnosuke Takamichi, Graham Neubig, Florian Matthes, Tatsuya Ishigaki·· 9 小时前AI 评分24
用多模态 LLM 实时生成游戏解说：基于停顿感知的解码方法
Real-Time Generation of Game Video Commentary with Multimodal LLMs: Pause-Aware Decoding Approaches
AI 导读
研究提出两种基于提示的解码策略实现实时游戏视频解说生成：固定间隔解码与动态间隔解码，后者根据上一句解说的预估时长调整下一次预测时机，无需微调即可实现停顿感知生成。在日语和英语的赛车与格斗游戏数据集上，动态间隔解码生成的解说在时间与内容上更贴近人类解说。团队同时开源了多语言基准数据集、训练模型与实现代码。
来源：arXiv cs.AI · arxiv.org