元语音研究网

元语音

[浏览需要 0 积分] 发布于2024-03-23 10:30:14

优秀博士论文推荐—李乃寒—面向语音合成的深度学习算法研究与应用
语音合成(speech synthesis，又名 text-to-speech,TTS)是人机交互的重要方法之一，旨在合成清晰且自然的音频。语音合成的应用场景非常广泛，比如手机和个人电脑的语音助手、同声传译的语音输出环节、车载导航播报、新闻朗读等等。通过语...

赞 2

评论 2

浏览 1194

语音
元语音

[浏览需要 0 积分] 发布于8天前

Zapformer preview
代码链接

赞

评论

浏览 132

语音
元语音

[浏览需要 0 积分] 发布于9天前

KIMI2.6 Blog
HF 链接博客链接

赞

评论

浏览 24

语音
元语音

[浏览需要 0 积分] 发布于10天前

LLMs and Speech: Integration vs. Combination
论文链接

赞

评论

浏览 21

语音
元语音

[浏览需要 0 积分] 发布于10天前

DAPO: An Open-Source LLM Reinforcement Learning System at Scale
论文链接讲解链接

赞

评论

浏览 23

语音
元语音

[浏览需要 0 积分] 发布于10天前

FULL-DUPLEX-BENCH V1.5: EVALUATING OVERLAP HANDLING FOR FULL-DUPLEX SPEECH MODELS
论文链接

赞

评论

浏览 31

语音
元语音

[浏览需要 0 积分] 发布于14天前

Qwen3.5-Omni Technical Report
论文链接

赞

评论

浏览 36

语音
元语音

[浏览需要 0 积分] 发布于2026-04-28 13:47:50

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

赞

评论

浏览 95

语音
元语音

[浏览需要 0 积分] 发布于2026-04-23 15:18:21

Group Sequence Policy Optimization
论文链接代码链接

赞

评论

浏览 89

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 62

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 86

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 139

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 103

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 146

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 119

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 111

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 125

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 150

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 184

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 183

语音

元语音
341 帖子 • 51 评论

2465
Speech
166 帖子 • 24 评论

1292
AI柠檬
14 帖子 • 16 评论

525
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