元语音研究网

元语音

[浏览需要 0 积分] 发布于6小时前

FireRedASR2S: A State-of-the-Art Industrial-Grade All-in-One Automatic Speech Recognition System
论文链接代码链接

赞

评论

浏览 6

语音
元语音

[浏览需要 0 积分] 发布于4天前

DashengTokenizer: One layer is enough for unified audio understanding and generation
论文链接

赞

评论

浏览 16

语音
元语音

[浏览需要 0 积分] 发布于14天前

PAY ATTENTION TO CTC: FAST AND ROBUST PSEUDOLABELLING FOR UNIFIED SPEECH RECOGNITION
论文链接代码链接

赞

评论

浏览 44

语音
元语音

[浏览需要 0 积分] 发布于2026-02-11 11:20:25

MOSS-TTS 1.0
代码链接博客链接模型链接

赞

评论

浏览 71

语音
元语音

[浏览需要 0 积分] 发布于2026-02-09 11:22:11

REDUCING PROMPT SENSITIVITY IN LLM-BASED SPEECH RECOGNITION THROUGH LEARNABLE PROJECTION
论文链接代码链接

赞

评论

浏览 84

语音
元语音

[浏览需要 0 积分] 发布于2026-02-05 21:04:01

《Adam优化器的最优超参数是β1=β2 ？》
https://kexue.fm/archives/11593 在这篇文章中，我们对 Adam 优化器的 β1,β2 参数做了一些分析，从稳定性角度表明 β1=β2 通常是一个较优的选择，它可以理解为信噪比感知下的最速下降。

赞

评论

浏览 84

语音
元语音

[浏览需要 0 积分] 发布于2026-02-05 11:14:20

IndexTTS: An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System
论文链接 Demo 链接

赞

评论

浏览 68

语音
元语音

[浏览需要 0 积分] 发布于2026-01-30 16:24:37

Qwen3-ASR Technical Report
论文链接代码链接模型链接 SFT 链接博客链接

赞 2

评论

浏览 117

语音
元语音

[浏览需要 0 积分] 发布于2026-01-26 20:55:50

VIBEVOICE-ASR Technical Report
论文链接代码链接

赞

评论

浏览 79

语音
元语音

[浏览需要 0 积分] 发布于2026-01-26 11:09:51

《DeltaNet的核心逆矩阵的元素总是在[-1, 1]内》
https://kexue.fm/archives/11563

赞

评论

浏览 102

语音
元语音

[浏览需要 0 积分] 发布于2026-01-26 10:42:57

SimulS2S-LLM
论文链接

赞

评论

浏览 76

语音
元语音

[浏览需要 0 积分] 发布于2026-01-23 17:00:55

Qwen3-TTS Technical Report
论文链接代码链接 Demo 链接模型链接

赞

评论

浏览 108

语音
元语音

[浏览需要 0 积分] 发布于2026-01-20 20:54:26

《为什么我们偏爱各向同性？基于最速下降的理解》
https://kexue.fm/archives/11549 这篇文章我们讨论了一个问题：参数层面上的最速下降，何时才刚好是特征层面上的最速下降？答案正是标题所述的“各向同性”，由此我们得出为什么偏爱各向同性的一个解释——它能同步两个层面上的最速下降，提...

赞

评论

浏览 116

语音
元语音

[浏览需要 0 积分] 发布于2026-01-20 20:53:55

《让炼丹更科学一些（六）：自上而下的精妙构造》
https://kexue.fm/archives/11540 上文末我们提到终点损失的最优学习率策略的证明困难问题，而在这篇文章中，我们通过自上而下的、小心谨慎的放缩和构造，完成了这个证明，并得到了更高精度的结果，同时讨论了这个结果对学习率的“Warmu...

赞

评论

浏览 88

语音
元语音

[浏览需要 0 积分] 发布于2026-01-20 15:34:22

【IndexTTS 2】
论文链接代码链接 Demo 链接

赞

评论

浏览 106

语音
元语音

[浏览需要 0 积分] 发布于2026-01-15 14:48:57

MOE结构讲解不错的文章
文章链接

赞

评论

浏览 79

语音
元语音

[浏览需要 0 积分] 发布于2026-01-14 17:30:47

IndexTTS 2.5 Technical Report
论文链接 Demo 链接

赞

评论

浏览 89

语音
元语音

[浏览需要 0 积分] 发布于2026-01-13 16:34:46

FLOW2GAN: HYBRID FLOW MATCHING AND GAN WITH MULTI-RESOLUTION NETWORK FOR FEW-STEP HIGH-FIDELITY AUDIO GENERATION
论文链接代码链接

赞

评论

浏览 126

语音
元语音

[浏览需要 0 积分] 发布于2026-01-12 15:00:26

【ASR+WFST的第二春】IKFST: IOO and KOO Algorithms for Accelerated and Precise WFST-based End-to-End Automatic Speech Recognition
论文链接

赞 1

评论

浏览 263

语音
元语音

[浏览需要 0 积分] 发布于2026-01-12 11:44:34

向量量化-RVQ/FSQ实现代码
代码链接

赞

评论

浏览 109

语音

元语音
327 帖子 • 51 评论

2282
Speech
166 帖子 • 24 评论

1292
AI柠檬
14 帖子 • 16 评论

519
江南一点红
1 帖子 • 1 评论

46
懵
懵懵懂懂的新手
1 帖子 • 17 评论

39
M
Mephisto
0 帖子 • 4 评论

28
後藤ひとり
0 帖子 • 0 评论

23
心行
2 帖子 • 0 评论

20
出东巷
0 帖子 • 0 评论

15
betciso
0 帖子 • 1 评论

12