BriefGPT - AI 论文速递 ·

基于面部驱动的零射声音转换与基于记忆的面音对齐

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本文介绍了一种以面部图像控制语音的零样本个性化 Lip2Speech 合成方法，采用变分自编码器对讲话人身份和语言内容进行解藕，实现了对未知说话人的声音特征进行控制。同时，探索了跨模态表示学习以提高面部说话人嵌入的语音控制能力。

🏷️

AI 智创简报：《Agent 记忆层被写进专利，垂直行业的本地化长尾还空着》
微软与UiPath近期公开了四项Agent记忆与跨上下文专利，涵盖共享上下文、事件流路由及三级记忆体系，显示大厂正抢占记忆层基础设施。尽管开源组件热门，但...
Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
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...
入蜀记 day466 近谿
作者在2026年9月的日记中记录了梦境中与老同学重逢的喜悦，反思了苏轼等古人思想被忽视的现象，分享了使用AI工具优化工作流程的体验，并强调了真实生活不可被...