BriefGPT - AI 论文速递 ·

Chinese-LiPS: A Chinese Audio-Visual Speech Recognition Dataset Incorporating Lip Reading and Presentation Information

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究发布了一个包含100小时语音和视频的多模态中文AVSR数据集Chinese-LiPS，并开发了LiPS-AVSR管道，通过结合唇语阅读和演示信息，提升了语音识别性能约35%。

🏷️

Presentation: A Few Predicted Talks From QConAI 2030
Meryem Arik discusses her predictions for software engineering in 2030. She e...
Presentation: From S3 to GPU in One Copy: Rethinking Data Loading for ML Training
Onur Satici explains how Vortex, an open-source columnar file format under th...
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...