ConvexLLM以冻结文本词向量的凸组合连接语音与语言模型(在新窗口打开)港中深与微软团队提出C-Gate接口,让音频表示进入文本嵌入的凸包。论文在所列开源模型比较中报告VoiceBench增益,音频理解与转录仍存在任务间的取舍。