PolyBench：用于多音频合成推理的基准
音频与语音处理
2026-03-11 v3 声音
摘要
大型音频语言模型(LALM)正在变得越来越能够处理音频推理。然而，现有基准对多音频推理覆盖有限，其中多个声音事件同时发生并引发合成结构。在本工作中，我们引入PolyBench，一个旨在评估多音频合成推理的基准。PolyBench包含五个评估子集，涵盖计数、分类、检测、并发和持续时间估计，要求对多个并发事件及其关系进行推理。对最先进LALM的评估揭示了在多音频环境下的一致性能 degradation，表明当前LALM存在基本瓶颈。
引用
@article{arxiv.2603.05128,
title = {PolyBench: A Benchmark for Compositional Reasoning in Polyphonic Audio},
author = {Yuanjian Chen and Yang Xiao and Han Yin and Xubo Liu and Jinjie Huang and Ting Dang},
journal= {arXiv preprint arXiv:2603.05128},
year = {2026}
}
备注
Submitted to INTERSPEECH 2026