01
AI 基盤
AI とは何か、システムがどのように学習し、どこで失敗するか、誇大広告なしに主張を判断する方法を理解します。
無料のAIライブラリ
オーディオAI ガイド永久無料。
117 平易な英語のガイド、構造化された学習パス、オープン ライブラリ - 独立した 501(c)(3) 非営利団体によって構築され、誰でも最新の AI を理解できるようになります。
117無料ガイド
1トピックトラック
~2 minガイドごと
~4h読書時間
ここから始めましょう
5 成果ベースのコース
各コースには、明示的な成果、マッピングされたコンピテンシー、練習アクティビティ、および適用されたキャップストーンが含まれています。
02
責任あるAIユーザー
プライバシーを保護し、出力をチェックし、人間の責任を守りながら、AI を生産的に使用します。
03
働くAI
職場のユースケースを評価し、安全なパイロットを実施し、価値を測定し、責任を持って変更を伝えます。
04
AI政策と社会
権利、公平性、ガバナンス、安全性、公益の成果を通じて AI システムを分析します。
05
AI システムによる構築
実践的なシステム設計を通じて、言語モデル、取得、エージェント、評価、コスト、展開の安全策を理解します。
トピックトラック
トラックごとに閲覧する
気になるエリアに飛び込んでみましょう。すべてのトラックには複数のわかりやすい英語のガイドが付いています。
基本中心となる概念: AI が高レベルでどのように機能するか。84 ガイド 言語AILLM、NLP、ChatGPT、プロンプト、およびテキストの理解。155 ガイド ビジュアルAI画像生成、コンピュータビジョン、ビデオ、デザイン。133 ガイド オーディオAI音声、音楽、ポッドキャスティング、オーディオファースト AI。117 ガイド 企業OpenAI、Anthropic、Google、Meta などのプロファイル。121 ガイド アプリケーションAI がコーディング、検索、エージェント、日常生活にどのように現れるか。111 ガイド 産業ヘルスケア、金融、教育、エネルギーなどにおける AI。91 ガイド 技術的なチップ、微調整、RAG、ベクター、AI インフラストラクチャ。177 ガイド 社会偏見、プライバシー、著作権、安全性、そして AI の未来。30 ガイド
フルライブラリ
すべてのガイド
117 の 1019 ガイドが表示されます。トラックでフィルタリングするか、上で検索してください。
オーディオAI
カバー曲の識別
カバー曲の識別は、2 つの非常に異なるサウンドの録音が実際には同じ基礎曲であることを検出します (ライブのアコースティック バージョン、リミックスなど)。
オーディオAIDDSP 微分可能オーディオ合成
DDSP (Differentiable Digital Signal Processing) は、古典的なシンセサイザーのビルディング ブロックとニューラル ネットワークを融合するため、ディープ ラーニングで発振器を制御できるようになります…
オーディオAIVITS エンドツーエンド音声合成
VITS は、通常の 2 段階のパイプラインをスキップし、単一のトレーニング済みシステム内でテキストを直接生のオーディオ波形に変換するテキスト読み上げモデルです。
オーディオAIFastSpeech と非自己回帰 TTS
FastSpeech は、一度に 1 フレームずつではなく、音声スペクトログラム全体を並行して生成するため、合成が劇的に高速かつ安定します。
オーディオAINaturalSpeech と潜在拡散 TTS
NaturalSpeech は、人間レベルの音声品質を目的とした Microsoft TTS 研究の一環であり、後のバージョンでは潜在拡散を使用して豊かで自然な音声を生成します。
オーディオAI音声感情認識
音声感情認識 (SER) は、話者の感情状態 (怒り、喜び、悲しみ、フラストレーション) を声の音から検出する AI です。
オーディオAIMoshi 全二重スピーチ
Moshi は、Kyutai が開発したオープンソースのリアルタイム音声 AI で、厳密に順番を変えるのではなく、話したり聞いたりを同時に (全二重) 行います。
オーディオAI音声から音声への翻訳
Speech-to-Speech Translation (S2ST) は、ある言語で話された言葉を受け取り、別の言語で話された言葉を生成します。理想的には話者の声、トーンを維持します。
オーディオAIHiFi-GAN および GAN ボコーダー
HiFi-GAN は、メル スペクトログラムをほぼ瞬時に生のオーディオ波形に変換し、スタジオ品質の音声を瞬時に生成する敵対的生成ボコーダーです。
オーディオAI書記素から音素への変換
書記素から音素への (G2P) 変換は、書かれた文字を音声システムが実際に発音すべき音に変換します。
オーディオAI音声のテキスト正規化
テキストの正規化は、音声システムが発話する前に、生の書かれたテキストを完全に話された言葉に書き換えるフロントエンドのステップです。
オーディオAISoundStream ニューラル コーデック
SoundStream は、品質を維持しながら音声と音楽を非常に低いビットレートに圧縮する Google のエンドツーエンドのニューラル オーディオ コーデックです。
読み終わりましたか？証明してみろ。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.