➡️
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（3）：序列维度，Gated MLA 与 3:1 混合
本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...
-
内容创作者失误
During Naomi Osaka's match against Anastasia Zakharova at this year's...
-
Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
-
如何凭空参加行业大会，观看大佬分享？AI帮你打开思维，轻松理解每一个最新前沿知识
故事的开始是这样的，我前两天，看到抖音官方发布了它们的推荐系统的分享内容，这份来自官方的资料，值得每一个研究抖音的朋友学习。但是，这份内容的文字比较多，而...
