元语音研究网

元语音

[浏览需要 0 积分] 发布于2022-05-14 11:37:49

端到端语音识别-01-田正坤
论文优势：（1）CTC 模型介绍（2）基础 Attention 模型（3）Encoder 模型探讨（4）软、硬 Attention 机制（5）多任务学习结构（6）Transformer 结构（7）训练技巧与个人思考论文下载链接：

赞 3

评论 23

浏览 2653

开源分享
Speech

[浏览需要 0 积分] 发布于21天前

PRUNED CTC FOR MEMORY-EFFICIENT LARGEVOCABULARY ASR TRAINING
论文链接

赞

评论

浏览 66

语音
Speech

[浏览需要 0 积分] 发布于28天前

AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing
论文链接

赞

评论

浏览 81

语音
Speech

[浏览需要 0 积分] 发布于2026-10-12 14:02:56

DuplexOmni: Real-Time Listening, Seeing, Thinking, and Speaking for Full-Duplex Interaction
论文链接

赞

评论

浏览 94

语音
Speech

[浏览需要 0 积分] 发布于2026-10-09 16:54:57

Qwen3.8-Omni: Towards Native Omni-Modal Agents
论文链接

赞

评论

浏览 80

语音
Speech

[浏览需要 0 积分] 发布于2026-09-30 17:23:39

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

赞

评论

浏览 113

语音
Speech

[浏览需要 0 积分] 发布于2026-09-30 17:16:03

RETAIL: Towards Real-world Travel Planning for Large Language Models
论文链接

赞

评论

浏览 90

语音
Speech

[浏览需要 0 积分] 发布于2026-09-28 19:27:04

DDPM与DDIM理论推导
推理链接

赞

评论

浏览 119

语音
Speech

[浏览需要 0 积分] 发布于2026-09-28 19:16:45

ESPnet3: Infrastructure for Scalable Speech and Audio Research in the Foundation Model Era
论文链接

赞

评论

浏览 104

语音
元语音

[浏览需要 0 积分] 发布于2026-09-20 14:48:55

Context Projector: Complementary Keyword and Dialogue Context Embeddings for LLM-based ASR
论文链接

赞

评论

浏览 163

语音
元语音

[浏览需要 0 积分] 发布于2026-09-10 20:25:34

Qwen3-TTS Technical Report
论文链接代码链接

赞

评论

浏览 168

语音
元语音

[浏览需要 0 积分] 发布于2026-09-01 21:04:25

CFG-Zero: Improved Classifier-Free Guidance for Flow Matching Models
论文链接

赞

评论

浏览 201

语音
元语音

[浏览需要 0 积分] 发布于2026-08-31 10:02:55

VoxCPM2 Technical Report
论文链接

赞

评论

浏览 177

语音
元语音

[浏览需要 0 积分] 发布于2026-08-31 10:01:36

VoxCPM: Tokenizer-Free TTS for Context-Aware Speech Generation and True-to-Life Voice Cloning
论文链接

赞

评论

浏览 174

语音
元语音

[浏览需要 0 积分] 发布于2026-08-27 17:22:56

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 180

语音
元语音

[浏览需要 0 积分] 发布于2026-08-27 09:56:51

DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation
论文链接

赞

评论

浏览 186

语音
元语音

[浏览需要 0 积分] 发布于2026-08-04 10:11:00

Qwen-Audio-3.0-TTS: Freely Controllable and Highly Robust Speech Synthesis with Multi-Stage Training Paradigm
论文链接 Demo 链接

赞

评论

浏览 235

语音
元语音

[浏览需要 0 积分] 发布于2026-07-17 13:48:50

BASE TTS: Lessons from building a billion-parameter Text-to-Speech model on 100K hours of data
论文链接

赞

评论

浏览 240

语音
元语音

[浏览需要 0 积分] 发布于2026-07-07 19:48:38

Improving Large-Scale Weakly Supervised ASR by Filtering and Selection
论文链接

赞

评论

浏览 243

语音
元语音

[浏览需要 0 积分] 发布于2026-07-07 17:14:47

Phoneme-First Prediction for LLM-Based Speech Recognition
论文链接

赞

评论

浏览 278

语音

元语音
360 帖子 • 51 评论

2723
Speech
174 帖子 • 24 评论

1399
AI柠檬
14 帖子 • 16 评论

530
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