生成听力障碍语音！解决训练数据不足的神奇数据扩展技术是什么？
生成听力障碍语音！解决训练数据不足的神奇数据扩展技术是什么？
声音
新的AI文章列表
![[单元-DSR] HuBERT 将残疾人](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/unit-dsr-520x300.png)
[单元-DSR] HuBERT 将残疾人语音正常化为正常语音
[单元-DSR] HuBERT 将残疾人语音正常化为正常语音
自监督学习
![[回顾]工业物联网推动智能制造](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/iiot-review-520x300.png)
[回顾]工业物联网推动智能制造
[回顾]工业物联网推动智能制造
物联网
利用张量 CNN 增强缺陷检测
利用张量 CNN 增强缺陷检测
张量
![[双重后裔] 为什么 "大模型 "和 "](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/double_descent-520x300.png)
[双重后裔] 为什么 "大模型 "和 "大数据集 "很重要？
[双重后裔] 为什么 "大模型 "和 "大数据集 "很重要？
神经网络
![[Chat-REC] 拟议的基于 LLM](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/chat-rec-520x300.png)
[Chat-REC] 拟议的基于 LLM 的推荐系统
[Chat-REC] 拟议的基于 LLM 的推荐系统
建议
![[HiFi-GAN]基于 GAN 的声码](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/hifi-gan-520x300.png)
[HiFi-GAN]基于 GAN 的声码器，能在单 GPU 上生成 22 KHz 音频
[HiFi-GAN]基于 GAN 的声码器，能在单 GPU 上生成 2 ...
文字转语音
潜在扩散模型不一定会 "扩大规模"
潜在扩散模型不一定会 "扩大规模"
扩散模型
![[Mustango] 使用音乐领域知识的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/mustango-520x300.png)
[Mustango] 使用音乐领域知识的音乐生成模型
[Mustango] 使用音乐领域知识的音乐生成模型
音频和语音处理
![[VoiceCraft] 业界最高水平的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/voice-craft-520x300.png)
[VoiceCraft] 业界最高水平的自然语音合成语言模型
[VoiceCraft] 业界最高水平的自然语音合成语言模型
文字转语音
创建了一种自动评估 LLM 输出长句准确性的方法
创建了一种自动评估 LLM 输出长句准确性的方法
大型语言模型
通过大规模语言建模改变法律服务！在速度和准确性上超越人类？
通过大规模语言建模改变法律服务！在速度和准确性上超越人类？
大型语言模型
VideoPrism 为视频分析带来无限可能
VideoPrism 为视频分析带来无限可能
大型语言模型
RakutenAI-7B 是专门针对日语的大规模语言建模的先锋
RakutenAI-7B 是专门针对日语的大规模语言建模的先锋
大型语言模型
LLM4Decompile 是一种专门用于反编译的大规模语言模型
LLM4Decompile 是一种专门用于反编译的大规模语言模型
大型语言模型
ScreenAI "能理解从信息图表到用户界面的图像和文本
ScreenAI "能理解从信息图表到用户界面的图像和文本
大型语言模型
从自主设计到执行，利用大规模语言模型实现科学实验自动化
从自主设计到执行，利用大规模语言模型实现科学实验自动化
大型语言模型
通过 CLIP 评估零镜头图像理解模型的鲁棒性
通过 CLIP 评估零镜头图像理解模型的鲁棒性
对比学习