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
Mimi Streaming Audio Codec
Mimi ist ein neuronaler Audio-Codec, der Sprache in Echtzeit in einen winzigen Strom diskreter Token komprimiert, sodass KI-Modelle mit sehr geringer Lautstärke zuhören und sprechen können.
Audio-KIZuhören, teilnehmen und buchstabieren
Listen, Attend and Spell (LAS) ist ein bahnbrechendes neuronales Netzwerk aus dem Jahr 2015, das Sprache direkt in Zeichen umwandelt, ohne dass eine manuelle Aussprache erforderlich ist.
Audio-KISpecAugment für Spracherkennung
SpecAugment ist eine einfache, aber leistungsstarke Datenerweiterungsmethode, die das Sprachspektrogramm maskiert und verzerrt, um Erkennungsmodelle robuster zu machen.
Audio-KIAutomatisches Tagging von Musik
Das automatische Tagging von Musik nutzt maschinelles Lernen, um einen Song anzuhören und automatisch beschreibende Labels wie Genre, Stimmung, Instrumente und Tempo hinzuzufügen.
Audio-KIMusikalische Klangfarbenübertragung
Die Klangfarbenübertragung formt die „Klangfarbe“ von Audio um, sodass ein Instrument wie ein anderes klingt, und verwandelt eine gesummte Melodie in eine Geigen- oder Trompetenlinie …
Audio-KIAkustische Szenenklassifizierung
Die akustische Szenenklassifizierung (ASC) trainiert Maschinen, die Umgebung zu erkennen, in der eine Aufnahme gemacht wurde, eine belebte Straße, einen ruhigen Park, einen Zug, ein Café …
Audio-KINVIDIA Riva und NeMo Speech
NVIDIA Riva ist ein GPU-beschleunigtes SDK für Sprach-KI in der Produktion (ASR, TTS und Übersetzung), während NeMo das Open-Source-Toolkit für Training und Feinabstimmung ist …
Audio-KIDeepSpeech-Architektur
DeepSpeech ist ein von Baidu im Jahr 2014 eingeführtes End-to-End-Spracherkennungsmodell, das Rohaudiomerkmale mithilfe eines wiederkehrenden neuronalen Verfahrens direkt dem Text zuordnet.
Audio-KIEinbettungen von X-Vector-Lautsprechern
X-Vektoren sind numerische Fingerabdrücke fester Länge der Stimme eines Sprechers, die von einem neuronalen Netzwerk erzeugt werden und dazu dienen, zu erkennen, wer spricht, unabhängig davon, was er sagt.
Audio-KIMonotone Glow-TTS-Ausrichtung
Glow-TTS ist ein Text-to-Speech-Modell, das mithilfe eines cleveren Suchtricks lernt, Text und Sprache selbstständig auszurichten, sodass kein separater Aligner erforderlich ist.
Audio-KIParalleler WaveGAN Vocoder
Parallel WaveGAN ist ein schneller neuronaler Vocoder, der ein Mel-Spektrogramm mithilfe eines kleinen GAN in eine rohe Audiowellenform umwandelt und dabei alle Samples auf einmal generiert.
Audio-KIWaveGlow Flow-basierter Vocoder
WaveGlow ist ein flussbasierter neuronaler Vocoder von NVIDIA, der Sprachwellenformen aus Mel-Spektrogrammen in einem einzigen Durchgang ohne Autoregression synthetisiert.
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.