一小时录音，AI 先找出最该重听的那一分钟
想在一小时访谈里找一个细节，最麻烦的往往不是回答，而是想起它出现在哪里。如果问题问的是背景里的铃声，搜索逐字稿还可能找不到入口：那一声根本没有被写成文字。 香港中文大学（深圳）与微软研究者在 2026 年 11 月 3 日提交的预印本 ReListen，让音频模型先替自己找证据，再回到原声作答。论文全文 基础流程不更新模型参数。研究者使用 Qwen3-Omni，把录音切成 20 秒片段，每次向前移动 10 秒，让模型逐段判断：这里有没有回答问题所需的信息？ 系统读取“是”和“