➡️
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（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
-
Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
-
在代理式RAG中建立信任始于证据
Basic retrieval-augmented generation (RAG) follows a straightforward pattern....
-
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...
