➡️
继续阅读
-
AI 智创简报：《说话人分离专利转向流式，转写接单者的工具活》
近一年，NVIDIA与Google公开了四项说话人分离专利，推动该技术从离线批处理转向流式处理，并引入大模型纠错。此技术旨在解决转写中“谁在何时说话”的难...
-
Qwen Audio：复杂人声干扰下，如何让 ASR “听对人”
本文探讨语音识别在多人环境中“听对人”的挑战，即区分用户与背景人声。对比两种技术路线：基于身份注册的Target-Speaker ASR和基于场景线索的前...
-
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...
-
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
对于MiniMax H3，使用中文和英文提示词时，能看到都在说，英文提示词通常能带来更好的生成效果。但是我实际测试下来，感觉差别不大。 我的测试是基于北京...
-
OpenAI承认德国维基‘事件’
OpenAI says it needs to overhaul how and when it reports instances of AI mode...
-
自动驾驶出租车进入反派时代
It's Bullitt meets Christine meets Waymo. A new short film imagines a San...
