ここから始めましょう
無料のAIライブラリ
オーディオAI ガイド 永久無料。
188 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。
- 188無料ガイド
- 1トピックトラック
- ~3 minガイドごと
- ~11h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。
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。
- 134 ガイド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。探す
- 272 ガイド言語AILLM、NLP、ChatGPT、プロンプト、およびテキストの理解。探す
- 298 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。探す
- 188 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。探す
- 145 ガイド企業OpenAI、Anthropic、Google、Meta などのプロファイル。探す
- 761 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。探す
- 244 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。探す
- 536 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。探す
- 422 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。探す
フルライブラリ
オーディオAI
188 の 3000 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AIMimi ストリーミング オーディオ コーデックMimi は、Moshi で使用される Kytai のニューラル オーディオ コーデックです。 24 kHz オーディオを 12 で離散表現に変換します。2 最小読み取り読む
- オーディオAI聞いて出席して綴るListen, Attend and Spell (LAS) is a 2015 end-to-end speech-recognition model that maps acoustic filter-bank features to character sequences.2 最小読み取り読む
- オーディオAI音声認識のための SpecAugmentSpecAugment is a speech-recognition training augmentation applied directly to network feature inputs. Free plain-English guide.2 最小読み取り読む
- オーディオAI音楽の自動タグ付けMusic auto-tagging predicts descriptive labels such as genre, mood, and instrumentation from audio. Free plain-English guide.2 最小読み取り読む
- オーディオAI音楽的な音色の転送Musical timbre transfer changes the tone color of a recording so that it sounds like a different instrument or voice while keeping the original pitch, rhythm…9 最小読み取り読む
- オーディオAI音響シーンの分類Acoustic scene classification (ASC) is the task of identifying the kind of place or situation a recording comes from, such as a bus, a park or a busy street…9 最小読み取り読む
- オーディオAINVIDIA Riva と NeMo のスピーチNVIDIA Riva は、プロダクション音声 AI (ASR、TTS、翻訳) 用の GPU アクセラレーション SDK であり、NeMo はトレーニングと微調整のためのオープンソース ツールキットです…2 最小読み取り読む
- オーディオAIDeepSpeech アーキテクチャDeepSpeech は、Baidu が 2014 年に導入したエンドツーエンドの音声認識モデルで、リカレント ニューラル…2 最小読み取り読む
- オーディオAIX-Vector スピーカーの埋め込みAn x-vector is a fixed-length list of numbers that a neural network extracts from a stretch of speech to summarize who is talking, regardless of what is said.8 最小読み取り読む
- オーディオAIGlow-TTS モノトニック アライメントGlow-TTS は、賢い検索トリックを使用して独自にテキストを音声に調整することを学習するテキスト読み上げモデルであり、別のアライナーの必要性を排除します。2 最小読み取り読む
- オーディオAIパラレル WaveGAN ボコーダーParallel WaveGAN は、小型 GAN を使用してメル スペクトログラムを生のオーディオ波形に変換し、すべてのサンプルを一度に生成する高速ニューラル ボコーダーです。2 最小読み取り読む
- オーディオAIWaveGlow フローベースのボコーダーWaveGlow は、NVIDIA のフローベースのニューラル ボコーダーで、自己回帰なしでシングル パスでメル スペクトログラムから音声波形を合成します。2 最小読み取り読む
読み終わりましたか？証明してみろ。
トピックのクイズで学んだことを確認し、構造化されたコースを探索したり、認定資格を取得したりできます。すべてのガイドは無料で読むことができます。