斯坦福最新AI报告发布，12张图看懂AI现状
最近，斯坦福人工智能研究所（HAI）发布了2023年AI指数报告，提供了AI领域当前技术成就、政策趋势、经济影响等多方面的最新情况。 今天我们将报告最重要的12个结论精简出来，分享给大家。 ▍AI大模型不只是大这么简单 在2019年发布的G…
95 0 0
声浪
我用我的10万条微信聊天记录和 280 篇博客文章，做了我自己的数字克隆AI
以下文章来源于超级王登科，作者DK本人 除了开飞机，做出完美的烤肋排，获得6块腹肌以及让公司赚大钱之外，我一直以来也想做成的一件事，是实现一个聊天机器人。 和多年前简单通过关键词匹配来回复的小黄鸡，到现在已经堪比人类智慧的 chatgpt，…
85 0 0
字节跳动 | 招聘AI-Lab深度学习算法研究员-音乐理解方向（上海）
招聘岗位 AI-Lab深度学习算法研究员-音乐理解方向 （base：上海） 工作职责 1.在深度学习与音乐、音频的交叉领域开展前沿研究；探索深度学习技术在声音与音乐计算任务，如音乐识别、音乐标签、音乐类视频标签、歌词识别、音频事件检测等上的…
97 0 0
魔珐科技 | 招聘语音合成工程师（上海）
招聘岗位 语音合成工程师 （base：上海） 工作职责 负责语音识别/合成（TTS）的算法研究和工程实现。 任职要求 1.有扎实的数学基础，精通线性代数，优化方法，统计学等，并熟悉这些技术在语音识别/合成领域中的应用。 2. 编程能力强，有…
86 0 0
![语音/音频处理学术速递[4.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-04-17/1647870362383421440.jpg)
语音/音频处理学术速递[4.14]
今日论文合集：cs.SD语音3篇，eess.AS音频处理3篇。 cs.SD语音 【1】 Context-aware Coherent Speaking Style Prediction with Hierarchical Transform…
91 0 0
开发者笑疯了！ LLaMa惊天泄露引爆ChatGPT平替狂潮，开源LLM领域变天
Meta的LLaMA模型开源，让文本大模型迎来了Stable Diffustion时刻。谁都没想到，LLaMA的一场「史诗级」泄漏，产生了一系列表现惊艳的ChatGPT「平替」。 谁能想到，一次意外的LLaMA泄漏，竟点燃了开源LLM领域最…
224 0 0
ICASSP2023 | 利用语音和双语文本联合预训练的语音到语音翻译模型
文章来源于音频语音与语言处理研究组，作者魏坤 语音到语音翻译（Speech-to-speech Translation, S2ST）[1,2,3]是指将一种语言的语音转换成另一种语言的语音的一类技术。和传统的文本到文本的机器翻译不同，S2S…
144 0 0
CV开启大模型时代！谷歌发布史上最大ViT：220亿参数，视觉感知力直逼人类
ViT模型何时才能破万亿？ Transformer无疑是促进自然语言处理领域繁荣的最大功臣，也是GPT-4等大规模语言模型的基础架构。 不过相比语言模型动辄成千上万亿的参数量，计算机视觉领域吃到Transformer的红利就没那么多了，目前…
109 0 0
IEEE SPL | 基于图注意力机制的音频语意概述
本文由哈工程智能信号处理组与悉尼科技大学、萨里大学合作，发表于IEEE信号处理学会期刊IEEE Signal Processing Letters，论文一作为2020级硕士研究生肖飞扬。 论文链接：https://arxiv.org/abs…
181 0 0
面向现实世界场景，多语言大数据集PRESTO来了
PRESTO–一个多语言数据集，用于解析现实的面向任务的对话。 虚拟助理正日益融入我们的日常生活。它们可以帮助我们完成很多事情：从设置闹钟到在地图导航，甚至可以帮助残疾人更容易地管理他们的家。随着我们使用这些助手，我们也越来越习惯于使用自然…
125 0 0