首页
推荐
关注
语音
文本
图像
大模型
发帖
登录
首页
话题
发帖
首页
推荐
关注
语音
文本
图像
大模型
消息
登录
最新
推荐
Speech
语音基础理论、应用
关注
个人成就
积分
1399
话题
174
评论
24
注册排名
1
个人资料
编辑资料
昵称
Speech
签名
语音基础理论、应用
粉丝
2
更多
没有更多内容了
粉丝
关注
2
更多
没有更多内容了
关注
话题
文章
Speech
[浏览需要 0 积分] 发布于15天前
PRUNED CTC FOR MEMORY-EFFICIENT LARGEVOCABULARY ASR TRAINING
论文链接
赞
评论
浏览
51
语音
Speech
[浏览需要 0 积分] 发布于23天前
AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing
论文链接
赞
评论
浏览
68
语音
Speech
[浏览需要 0 积分] 发布于25天前
DuplexOmni: Real-Time Listening, Seeing, Thinking, and Speaking for Full-Duplex Interaction
论文链接
赞
评论
浏览
79
语音
Speech
[浏览需要 0 积分] 发布于28天前
Qwen3.8-Omni: Towards Native Omni-Modal Agents
论文链接
赞
评论
浏览
66
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
102
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
80
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
105
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
93
语音
Speech
[浏览需要 0 积分] 发布于2025-03-07 17:36:31
【CP-力作鼎推】OWLS: Scaling Laws for Multilingual Speech Recognition and Translation Models
论文链接 Neural scaling laws offer valuable insights for designing robust sequence processing architectures. While these laws have b...
赞
2
评论
1
浏览
1092
语音
Speech
[浏览需要 0 积分] 发布于2025-03-06 14:10:10
【CP】Unveiling the Potential of LLM-Based ASR on Chinese Open-Source Datasets
论文链接 代码链接
赞
2
评论
1
浏览
848
语音
Speech
[浏览需要 0 积分] 发布于2025-03-05 16:10:22
【CP】Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model
论文链接
赞
2
评论
浏览
842
语音
Speech
[浏览需要 0 积分] 发布于2025-03-04 14:34:20
【优秀博士生】Jinchuan Tian—CMU
学术链接 Git 链接
赞
2
评论
浏览
718
语音
Speech
[浏览需要 0 积分] 发布于2025-02-27 10:19:11
【JP】High fidelity zero shot speaker adaptation in text to speech synthesis with denoising diffusion GAN
论文链接
赞
2
评论
浏览
813
语音
Speech
[浏览需要 0 积分] 发布于2025-02-21 17:50:45
【资源】AudioLLM / SpeechLLM方向论文、代码、数据汇总GIT
论文链接
赞
2
评论
浏览
930
语音
Speech
[浏览需要 0 积分] 发布于2025-02-21 17:11:48
【JP】A speech recognition method with enhanced transformer decoder
论文链接
赞
2
评论
浏览
820
语音
Speech
[浏览需要 0 积分] 发布于2025-02-21 13:27:08
【TR】OSUM: Advancing Open Speech Understanding Models with Limited Resources in Academia
论文链接 代码链接 Large Language Models (LLMs) have made significant progress in various downstream tasks, inspiring the development of ...
赞
3
评论
浏览
1080
语音
Speech
[浏览需要 0 积分] 发布于2025-02-17 14:29:24
【CP】End-to-End Speech Recognition with Pre-trained Masked Language Model
论文链接 We present a novel approach to end-to-end automatic speech recognition (ASR) that utilizes pre-trained masked language mode...
赞
2
评论
1
浏览
1015
语音
Speech
[浏览需要 0 积分] 发布于2025-02-11 11:27:05
【CP】RFWAVE: MULTI-BAND RECTIFIED FLOW FOR AUDIO WAVEFORM RECONSTRUCTION
论文链接 代码链接
赞
2
评论
浏览
934
语音
Speech
[浏览需要 0 积分] 发布于2025-02-07 19:17:38
【Code】k2 官方提供AudioLLM配方,复现Qwen-Audio
代码链接
赞
3
评论
浏览
919
语音
Speech
[浏览需要 0 积分] 发布于2025-02-07 17:23:54
【CP】ADVANCING MULTI-TALKER ASR PERFORMANCE WITH LARGE LANGUAGE MODELS
论文链接 模型结构 训练策略
赞
2
评论
浏览
876
语音
查看更多