BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

OWSM-CTC：一种用于语音识别、翻译和语种识别的开放式编码器语音基础模型

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

基于连接主义时间分类（CTC）的新型仅编码器语音模型（OWSM-CTC）在多语言自动语音识别（ASR），语音翻译（ST）和语言识别（LID）任务上取得了有竞争力的结果，并在ST上提高了25％的相对改进。该模型在推断中更为稳健且速度更快，同时也对长形式ASR结果有20倍的加速。

🏷️

标签

编码器 自动语音识别 语言识别 语音模型 语音翻译 连接主义时间分类
➡️

继续阅读

  1. 机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
    星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
  2. Allora Labs证明变异AI模型群体性能超单个优化模型
    Allora Labs研究表明，在AI模型群体中引入随机变异可提升整体性能，超越单个优化模型。变异群体在环境变化时表现更优，最佳情况下约80%优于优化群体...
  3. 蚂蚁 inclusionAI 开源 6B 统一图像生成与编辑模型 LLaDA-Image
    蚂蚁集团开源统一图像生成与编辑模型LLaDA-Image，含6B参数，提供Base和Turbo两版本，支持文生图、编辑及中英文渲染。Turbo采用蒸馏技术...
  4. 迅策科技发布TokenCloud一站式AI模型训推算力平台
    迅策科技发布TokenCloud一站式AI模型训推算力平台，以异构算力为基础，构建四层协同生态，打通数据到Token全链路。平台支持GPU、NPU等统一调...
  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...
  6. OpenVX 1.3.2 发布：更精确的错误信息、更好的一致性以及为 2.0 版本奠定的基础
    Khronos发布OpenVX 1.3.2，增强错误处理、图像格式支持及类型安全，提升一致性和可调试性，为OpenVX 2.0奠定基础。新版本引入新错误代...
👤 个人中心
在公众号发送验证码完成验证