元语音研究网

Speech

[浏览需要 0 积分] 发布于1天前

【Technique Report】Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming
论文链接代码链接

赞 2

评论

浏览 10

语音
Speech

[浏览需要 0 积分] 发布于2天前

【优秀研究员】Zhuo Chen—ByteDance
学术主页

赞 2

评论

浏览 14

语音
Speech

[浏览需要 0 积分] 发布于2天前

【Technique Report】Mini-Omni2: Towards Open-source GPT-4o with Vision, Speech and Duplex Capabilities
论文链接代码链接

赞 2

评论

浏览 11

语音
METASPEECH

[浏览需要 0 积分] 发布于5天前

《从Hessian近似看自适应学习率优化器》
https://kexue.fm/archives/10588 本文介绍了从 Newton 法和 Hessian 近似看待 Adam 等自适应学习率优化器的一个视角，并讨论了 Hessian 近似的相关结果。

赞 2

评论

浏览 42

文本
Speech

[浏览需要 0 积分] 发布于5天前

【Technique Report】OCEAN-OMNI: TO UNDERSTAND THE WORLD WITH OMNI-MODALITY
论文链接代码链接

赞 3

评论

浏览 76

语音
Speech

[浏览需要 0 积分] 发布于6天前

如何 from scratch 构建LLM ？
文章链接代码链接

赞 2

评论

浏览 37

文本
Speech

[浏览需要 0 积分] 发布于6天前

【Conference Paper】Contextual Biasing Speech Recognition in Speech-enhanced Large Language Model
论文链接

赞 2

评论

浏览 30

语音
METASPEECH

[浏览需要 0 积分] 发布于2022-03-06 21:41:54

清华大学 - 语音识别基本法
下载链接

赞 4

评论 22

浏览 1717

开源分享
Speech

[浏览需要 0 积分] 发布于7天前

【Conference Paper】Speed of Light Exact Greedy Decoding for RNN-T Speech Recognition Models on GPU
论文链接代码链接

赞 2

评论

浏览 22

语音
Speech

[浏览需要 0 积分] 发布于8天前

【Conference Paper】Tiny-Align: Bridging Automatic Speech Recognition and Large Language Model on the Edge
论文链接

赞 2

评论

浏览 27

语音
Speech

[浏览需要 0 积分] 发布于9天前

【Conference Paper】WHISMA: A SPEECH-LLM TO PERFORM ZERO-SHOT SPOKEN LANGUAGE UNDERSTANDING
论文链接

赞 2

评论

浏览 32

语音
METASPEECH

[浏览需要 0 积分] 发布于12天前

《生成扩散模型漫谈（二十六）：基于恒等式的蒸馏（下）》
https://kexue.fm/archives/10567 本文介绍了 SiD（Score identity Distillation）的后续理论进展，主要内容是从梯度视角解释了 SiD 中的 λ 参数设置，核心部分是由 FGM（Flow Genera...

赞 2

评论

浏览 96

文本
Speech

[浏览需要 0 积分] 发布于12天前

【Conference Paper】Textless Speech-to-Speech Translation With Limited Parallel Data
论文链接代码链接

赞 2

评论

浏览 58

语音
Speech

[浏览需要 0 积分] 发布于13天前

【优秀学者】—Cornell University—Daniel Galvez
学者主页

赞 2

评论

浏览 64

语音
Speech

[浏览需要 0 积分] 发布于15天前

【Conference Paper】Developing Instruction-Following Speech Language Model Without Speech Instruction-Tuning Data
论文链接代码链接官方链接

赞 2

评论

浏览 75

语音
Speech

[浏览需要 0 积分] 发布于15天前

【Conference Paper】Are Transformers in Pre-trained LM A Good ASR Encoder? An Empirical Study
论文链接

赞 2

评论

浏览 72

语音
Speech

[浏览需要 0 积分] 发布于16天前

【Conference Paper】Paraformer-v2: An improved non-autoregressive transformer for noise-robust speech recognition
论文链接

赞 2

评论

浏览 101

语音
Speech

[浏览需要 0 积分] 发布于16天前

【Conference Paper】Aligner-Encoders: Self-Attention Transformers Can Be Self-Transducers
论文链接

赞 2

评论

浏览 90

语音
METASPEECH

[浏览需要 0 积分] 发布于16天前

《Adam的epsilon如何影响学习率的Scaling Law？》
https://kexue.fm/archives/10563 本文延续了上一篇文章的方法，尝试分析了 Adam 的 ϵ 对学习率与 Batch Size 之间的 Scaling Law 的影响，结果是一个介乎 SGD 与 SignSGD 之间的形式，当 ...

赞 2

评论

浏览 80

文本
Speech

[浏览需要 0 积分] 发布于17天前

【Conference Paper】CJST: CTC Compressor based Joint Speech and Text Training for Decoder-Only ASR
论文链接

赞 2

评论

浏览 65

语音

METASPEECH
245 帖子 • 51 评论

1392
Speech
121 帖子 • 16 评论

753
AI柠檬
13 帖子 • 16 评论

348
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

12
betciso
0 帖子 • 1 评论

12
J
JJ
2 帖子 • 0 评论

10
无名之辈
0 帖子 • 0 评论

8