BriefGPT - AI 论文速递 ·

利用动态联合分布适应改进的说话人无关语音情感识别

💡 原文中文，约200字，阅读约需1分钟。

📝

内容提要

本文使用信息论工具推导了多源域自适应（MDA）的新型分析，研究了监督和无监督MDA的联合分布对齐，并提出了一种处理目标偏移的深度MDA算法。算法在目标偏移MDA基准测试中表现出与最先进技术相当的性能，并具有改进的内存效率。

🏷️

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...
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...
谷歌在 Gmail、Docs 和 Keep 中推出 AI 语音功能
谷歌在Docs、Gmail和Keep中推出对话式AI功能，用户可用自然语言提问或语音输入完成任务。Gmail Live可查询收件箱，Docs Live辅助...
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（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...