元语音研究网

元语音

[浏览需要 0 积分] 发布于1天前

Qwen3.5-Omni Technical Report
论文链接

赞

评论

浏览 9

语音
元语音

[浏览需要 0 积分] 发布于24天前

KIMI K2.5: VISUAL AGENTIC INTELLIGENCE
论文链接 HF 链接

赞

评论

浏览 82

语音
元语音

[浏览需要 0 积分] 发布于29天前

Group Sequence Policy Optimization
论文链接代码链接

赞

评论

浏览 72

语音
元语音

[浏览需要 0 积分] 发布于2026-04-20 14:34:51

【Code】WFST Decoder with Kaldi
代码链接

赞 1

评论

浏览 51

语音
元语音

[浏览需要 0 积分] 发布于2026-04-14 14:32:17

OmniVoice: Towards Omnilingual Zero-Shot Text-to-Speech with Diffusion Language Models
论文链接代码链接

赞

评论

浏览 73

语音
元语音

[浏览需要 0 积分] 发布于2026-04-13 10:57:20

ReMax: A Simple, Effective, and Efficient Reinforcement Learning Method for Aligning Large Language Models
论文链接

赞

评论

浏览 103

语音
元语音

[浏览需要 0 积分] 发布于2026-04-01 15:45:28

STEP3-VL-10B Technical Report
论文链接

赞

评论

浏览 90

语音
元语音

[浏览需要 0 积分] 发布于2026-04-01 10:33:28

Empowering Lightweight MLLMs with Reasoning via Long CoT SFT
论文链接

赞

评论

浏览 138

语音
元语音

[浏览需要 0 积分] 发布于2026-03-16 19:55:15

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 104

语音
元语音

[浏览需要 0 积分] 发布于2026-03-12 21:43:35

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

赞

评论

浏览 93

语音
元语音

[浏览需要 0 积分] 发布于2026-03-02 15:51:36

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 115

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 142

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 163

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 174

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 152

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 211

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 151

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 184

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 146

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 191

语音

元语音
335 帖子 • 51 评论

2398
Speech
166 帖子 • 24 评论

1292
AI柠檬
14 帖子 • 16 评论

524
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