BriefGPT - AI 论文速递 ·

Convoifilter：一项关于进行鸡尾酒会话语音识别的案例研究

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

该论文提出了一种端到端模型，用于改进拥挤嘈杂环境中特定讲话者的自动语音识别。该模型利用语音增强模块隔离讲话者声音和背景噪音，并结合ASR模块，将识别错误率从80％降低到26.4％。通过联合精调策略，该模型将WER从26.4％降低到14.5％。

🏷️

dsh-speech测评：DeepSeek Harness语音插件让打字变成历史
dsh-speech是DeepSeek Harness的语音插件，支持实时语音输入和AI回答的语音摘要，由AllModels.io提供技术。它区别于其他插...
谷歌在 Gmail、Docs 和 Keep 中推出 AI 语音功能
谷歌在Docs、Gmail和Keep中推出对话式AI功能，用户可用自然语言提问或语音输入完成任务。Gmail Live可查询收件箱，Docs Live辅助...
研究：如果直播平台能为体育赛事报道增添价值，观众愿意容忍延迟
研究显示，体育直播延迟虽令观众不满，但若平台提供完整回放、多角度或个性化集锦等增值功能，观众愿接受延迟。调查中54%的体育迷愿为高级功能付费，Z世代达80...
Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
入蜀记 day467 小小的真理
文章记录了作者在成都的日常生活与思考，包括买菜、阅读、观看农业节目等。作者反思实践的重要性，感叹农业的脆弱与科技应对天灾的局限，并讨论文化个体化趋势、地震...