元语音研究网

元语音

[浏览需要 0 积分] 发布于8小时前

《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 6

语音
元语音

[浏览需要 0 积分] 发布于18小时前

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 8

语音
元语音

[浏览需要 0 积分] 发布于6天前

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

赞 1

评论

浏览 31

语音
元语音

[浏览需要 0 积分] 发布于10天前

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

赞

评论

浏览 39

语音
元语音

[浏览需要 0 积分] 发布于10天前

《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 44

语音
元语音

[浏览需要 0 积分] 发布于10天前

SimulS2S-LLM
论文链接

赞

评论

浏览 38

语音
元语音

[浏览需要 0 积分] 发布于13天前

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

赞

评论

浏览 63

语音
元语音

[浏览需要 0 积分] 发布于16天前

《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 60

语音
元语音

[浏览需要 0 积分] 发布于16天前

《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 41

语音
元语音

[浏览需要 0 积分] 发布于16天前

【IndexTTS 2】
论文链接代码链接 Demo 链接

赞

评论

浏览 65

语音
元语音

[浏览需要 0 积分] 发布于21天前

MOE结构讲解不错的文章
文章链接

赞

评论

浏览 41

语音
元语音

[浏览需要 0 积分] 发布于22天前

IndexTTS 2.5 Technical Report
论文链接 Demo 链接

赞

评论

浏览 41

语音
元语音

[浏览需要 0 积分] 发布于23天前

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 67

语音
元语音

[浏览需要 0 积分] 发布于24天前

【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 203

语音
元语音

[浏览需要 0 积分] 发布于24天前

向量量化-RVQ/FSQ实现代码
代码链接

赞

评论

浏览 61

语音
元语音

[浏览需要 0 积分] 发布于27天前

《让炼丹更科学一些（五）：基于梯度精调学习率》
https://kexue.fm/archives/11530 这篇文章开始，我们考虑基于梯度的学习率调度，它有助于我们了解诸如 Warmup、Decay 等学习率策略的原理，也能为各种自适应学习率优化器提供有益的参考。

赞

评论

浏览 65

语音
元语音

[浏览需要 0 积分] 发布于27天前

【内源性奖励】GENERALIST REWARD MODELS: FOUND INSIDE LARGE LANGUAGE MODELS
论文链接

赞

评论

浏览 42

语音
元语音

[浏览需要 0 积分] 发布于28天前

Qwen 门控注意力Gated Attention
论文链接解读链接

赞

评论

浏览 46

语音
元语音

[浏览需要 0 积分] 发布于28天前

杰出研究员-Jason Wei
网站链接思考 Google Scholar

赞

评论

浏览 55

语音
元语音

[浏览需要 0 积分] 发布于2026-01-06 11:18:31

MULTILINGUAL VISUAL SPEECH RECOGNITION WITH A SINGLE MODEL BY LEARNING WITH DISCRETE VISUAL SPEECH UNITS
论文链接

赞

评论

浏览 57

大模型&多模态

元语音
322 帖子 • 51 评论

2210
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