BriefGPT - AI 论文速递 ·

Towards Controllable Speech Synthesis in the Era of Large Language Models: A Survey

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究综述了文本到语音合成(TTS)领域中可控语音生成的现状，提出了系统方法并分类了控制技术。同时首次汇总了相关数据集和评估指标，展示了可控TTS的未来发展潜力。

🏷️

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...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...
DeepSeek-V4 模型结构（5）：宽度维度，DeepSeekMoE 的四个改动
本文介绍DeepSeek-V4模型结构中MoE层的四处改动：路由打分从sigmoid改为sqrt(softplus)以消除饱和；前三层用固定hash ro...
DeepSeek-V4 模型结构（4）：深度维度，mHC
该文详解DeepSeek-V4的mHC残差结构：将单条残差流拓宽为4条，通过读、写、混三算子连接子层。为保稳定，混合矩阵被约束为双随机矩阵（非负、行和列和...
DeepSeek-V4 模型结构（3）：序列维度（下），HCA、混合排布与零件
本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩...