01
KI-Grundlagen
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Kostenlose KI-Bibliothek
Audio-KI FührerFür immer kostenlos.
117 Leitfäden in einfachem Englisch, strukturierte Lernpfade und eine offene Bibliothek – erstellt von einer unabhängigen gemeinnützigen Organisation 501(c)(3), damit jeder moderne KI verstehen kann.
117Kostenlose Reiseführer
1Themenspuren
~2 minPro Reiseführer
~4hLesezeit
Beginnen Sie hier
Fünf ergebnisorientierte Kurse
Jeder Kurs umfasst explizite Ergebnisse, abgebildete Kompetenzen, Übungsaktivitäten und einen angewandten Schlussstein.
02
Verantwortlicher KI-Benutzer
Nutzen Sie KI produktiv und schützen Sie gleichzeitig die Privatsphäre, überprüfen Sie die Ergebnisse und wahren Sie die menschliche Verantwortung.
03
KI bei der Arbeit
Bewerten Sie Anwendungsfälle am Arbeitsplatz, führen Sie sichere Pilotprojekte durch, messen Sie den Wert und kommunizieren Sie Änderungen verantwortungsbewusst.
04
KI-Politik und Gesellschaft
Analysieren Sie KI-Systeme anhand von Rechten, Gerechtigkeit, Governance, Sicherheit und Ergebnissen im öffentlichen Interesse.
05
Bauen mit KI-Systemen
Verstehen Sie Sprachmodelle, Abruf, Agenten, Bewertung, Kosten und Bereitstellungsschutz durch praktisches Systemdesign.
Themenspuren
Nach Titel durchsuchen
Springen Sie in den Bereich, der Ihnen am Herzen liegt. Zu jedem Titel gibt es mehrere leicht verständliche Anleitungen.
GrundlagenKernkonzepte: Wie KI auf hohem Niveau funktioniert.84 Führer Sprach-KILLMs, NLP, ChatGPT, Eingabeaufforderung und Textverständnis.155 Führer Visuelle KIBilderzeugung, Computer Vision, Video und Design.133 Führer Audio-KIStimme, Musik, Podcasting und Audio-First-KI.117 Führer UnternehmenProfile von OpenAI, Anthropic, Google, Meta und mehr.121 Führer AnwendungenWie KI in Codierung, Suche, Agenten und im täglichen Leben zum Ausdruck kommt.111 Führer BranchenKI in den Bereichen Gesundheitswesen, Finanzen, Bildung, Energie und mehr.91 Führer TechnischChips, Feinabstimmung, RAG, Vektoren und KI-Infrastruktur.177 Führer GesellschaftVoreingenommenheit, Privatsphäre, Urheberrecht, Sicherheit und die Zukunft der KI.30 Führer
Vollständige Bibliothek
Alle Führer
117 von 1019 Anleitungen angezeigt. Filtern Sie nach Titel oder suchen Sie oben.
Audio-KI
Cover-Song-Identifizierung
Die Cover-Song-Identifizierung erkennt, ob es sich bei zwei sehr unterschiedlich klingenden Aufnahmen tatsächlich um denselben zugrunde liegenden Song handelt – eine Live-Akustikversion, einen Remix …
Audio-KIDDSP Differenzierbare Audiosynthese
DDSP (Differentiable Digital Signal Processing) verbindet klassische Synthesizer-Bausteine mit neuronalen Netzen, sodass Deep Learning Oszillatoren steuern kann …
Audio-KIVITS End-to-End-Sprachsynthese
VITS ist ein Text-to-Speech-Modell, das Text in einem einzigen trainierten System direkt in rohe Audiowellenformen umwandelt und dabei die übliche zweistufige Pipeline überspringt.
Audio-KIFastSpeech und nicht autoregressives TTS
FastSpeech generiert ein gesamtes Sprachspektrogramm parallel und nicht nur einen Frame nach dem anderen, wodurch die Synthese erheblich schneller und stabiler wird.
Audio-KINaturalSpeech und latente Diffusion TTS
NaturalSpeech ist eine Linie der Microsoft TTS-Forschung, die auf Sprachqualität auf menschlicher Ebene abzielt. Spätere Versionen nutzen latente Diffusion, um reichhaltige, natürliche… zu erzeugen.
Audio-KISprachemotionserkennung
Speech Emotion Recognition (SER) ist eine KI, die den emotionalen Zustand eines Sprechers – Wut, Freude, Traurigkeit, Frustration – anhand des Klangs seiner Stimme erkennt, nicht nur …
Audio-KIMoshi-Vollduplex-Sprache
Moshi ist eine Open-Source-Echtzeit-Sprach-KI von Kyutai, die gleichzeitig spricht und zuhört – Vollduplex –, anstatt sich strikt abzuwechseln.
Audio-KISprache-zu-Sprache-Übersetzung
Bei der Speech-to-Speech-Übersetzung (S2ST) werden gesprochene Wörter in einer Sprache übernommen und in einer anderen Sprache erzeugt – im Idealfall bleiben dabei die Stimme und der Ton des Sprechers erhalten.
Audio-KIHiFi-GAN und GAN Vocoder
HiFi-GAN ist ein generativ-konfrontativer Vocoder, der ein Mel-Spektrogramm fast augenblicklich in eine rohe Audiowellenform umwandelt und so Sprache in Studioqualität erzeugt.
Audio-KIGraphem-zu-Phonem-Konvertierung
Die Graphem-zu-Phonem-Konvertierung (G2P) übersetzt geschriebene Buchstaben in die Laute, die ein Sprachsystem tatsächlich aussprechen sollte.
Audio-KITextnormalisierung für Sprache
Die Textnormalisierung ist der Front-End-Schritt, bei dem roher geschriebener Text in vollständig ausgesprochene Wörter umgeschrieben wird, bevor ein Sprachsystem ihn sagt.
Audio-KISoundStream Neural Codec
SoundStream ist der durchgängige neuronale Audio-Codec von Google, der Sprache und Musik auf extrem niedrige Bitraten komprimiert und dabei die Qualität beibehält.
Mit dem Lesen fertig? Beweisen Sie es.
Überprüfen Sie anhand von Themenquiz, was Sie gelernt haben, und erkunden Sie anschließend unsere strukturierten Kurse und aktuellen Zertifizierungsanforderungen. Die wichtigsten Leitfäden bleiben weiterhin frei lesbar.