ห้องสมุด AI ฟรี

เสียงเอไอ คำแนะนำฟรีตลอดไป

117 คู่มือภาษาอังกฤษธรรมดา เส้นทางการเรียนรู้ที่มีโครงสร้าง และห้องสมุดเปิด — สร้างโดยองค์กรอิสระ 501(c)(3) เพื่อให้ทุกคนสามารถเข้าใจ AI สมัยใหม่ได้

117คำแนะนำฟรี

1แทร็กหัวข้อ

~2 minต่อไกด์

~4hเวลาการอ่าน

เริ่มที่นี่

ห้า หลักสูตรที่เน้นผลลัพธ์

แต่ละหลักสูตรประกอบด้วยผลลัพธ์ที่ชัดเจน สมรรถนะที่วางแผนไว้ กิจกรรมฝึกปฏิบัติ และสรุปผลประยุกต์

มูลนิธิเอไอ

เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง

~4h เพื่อเติมเต็มดูหลักสูตร

ผู้ใช้ AI ที่มีความรับผิดชอบ

ใช้ AI อย่างมีประสิทธิภาพในขณะที่ปกป้องความเป็นส่วนตัว ตรวจสอบผลลัพธ์ และรักษาความรับผิดชอบของมนุษย์

~5h เพื่อเติมเต็มดูหลักสูตร

AI ในงาน

ประเมินกรณีการใช้งานในที่ทำงาน ดำเนินการนำร่องอย่างปลอดภัย วัดคุณค่า และสื่อสารการเปลี่ยนแปลงอย่างมีความรับผิดชอบ

~6h เพื่อเติมเต็มดูหลักสูตร

นโยบาย AI และสังคม

วิเคราะห์ระบบ AI ผ่านผลลัพธ์ด้านสิทธิ ความเท่าเทียม การกำกับดูแล ความปลอดภัย และผลประโยชน์สาธารณะ

~6h เพื่อเติมเต็มดูหลักสูตร

การสร้างด้วยระบบ AI

ทำความเข้าใจโมเดลภาษา การดึงข้อมูล ตัวแทน การประเมิน ต้นทุน และการป้องกันการใช้งานผ่านการออกแบบระบบที่ใช้งานได้จริง

~8h เพื่อเติมเต็มดูหลักสูตร

แทร็กหัวข้อ

เรียกดูตามแทร็ก

กระโดดเข้าไปในพื้นที่ที่คุณสนใจ ทุกแทร็กมีไกด์ภาษาอังกฤษธรรมดาหลายเล่ม

ห้องสมุดเต็มรูปแบบ

คำแนะนำทั้งหมด

117 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน

เสียงเอไอ

การระบุเพลงคัฟเวอร์

การระบุเพลงคัฟเวอร์จะตรวจจับเมื่อการบันทึกเสียงที่แตกต่างกันมากสองรายการเป็นเพลงเดียวกันจริงๆ — เวอร์ชันอะคูสติกแสดงสด รีมิกซ์...

2 นาทีอ่านอ่าน

เสียงเอไอ

การสังเคราะห์เสียงที่แตกต่าง DDSP

DDSP (การประมวลผลสัญญาณดิจิทัลที่แตกต่าง) หลอมรวมบล็อคซินธิไซเซอร์แบบคลาสสิกเข้ากับโครงข่ายประสาทเทียม ดังนั้นการเรียนรู้เชิงลึกจึงสามารถควบคุมออสซิลเลเตอร์ได้...

2 นาทีอ่านอ่าน

เสียงเอไอ

การสังเคราะห์คำพูดจากต้นทางถึงปลายทางของ VITS

VITS เป็นโมเดลการอ่านออกเสียงข้อความที่เปลี่ยนข้อความให้เป็นรูปแบบคลื่นเสียงโดยตรงในระบบที่ผ่านการฝึกอบรมระบบเดียว โดยข้ามไปป์ไลน์แบบสองขั้นตอนตามปกติ

2 นาทีอ่านอ่าน

เสียงเอไอ

FastSpeech และ TTS แบบไม่ถอยหลังอัตโนมัติ

FastSpeech สร้างสเปกตรัมคำพูดทั้งหมดพร้อมกันแทนที่จะเป็นทีละเฟรม ทำให้การสังเคราะห์เร็วขึ้นและมีเสถียรภาพมากขึ้นอย่างมาก

2 นาทีอ่านอ่าน

เสียงเอไอ

คำพูดที่เป็นธรรมชาติและการแพร่กระจายแฝง TTS

NaturalSpeech คือกลุ่มงานวิจัยของ Microsoft TTS ที่มุ่งเป้าไปที่คุณภาพคำพูดในระดับมนุษย์ โดยเวอร์ชันต่อมาจะใช้การแพร่กระจายแบบแฝงเพื่อสร้าง...

2 นาทีอ่านอ่าน

เสียงเอไอ

การรับรู้อารมณ์คำพูด

Speech Emotion Recognition (SER) คือ AI ที่ตรวจจับสถานะทางอารมณ์ของผู้พูด — ความโกรธ ความสุข ความเศร้า ความหงุดหงิด — จากเสียงของพวกเขา ไม่ใช่แค่...

2 นาทีอ่านอ่าน

เสียงเอไอ

คำพูด Moshi ฟูลดูเพล็กซ์

Moshi เป็น AI เสียงแบบเรียลไทม์แบบโอเพ่นซอร์สจาก Kyutai ที่พูดและฟังในเวลาเดียวกัน - ฟูลดูเพล็กซ์ - แทนที่จะผลัดกันเข้มงวด

2 นาทีอ่านอ่าน

เสียงเอไอ

การแปลคำพูดเป็นคำพูด

การแปลคำพูดเป็นคำพูด (S2ST) ใช้คำพูดในภาษาหนึ่งและสร้างคำพูดในอีกภาษาหนึ่ง — โดยหลักการแล้วการรักษาเสียง น้ำเสียงของผู้พูด...

2 นาทีอ่านอ่าน

เสียงเอไอ

โวโคเดอร์ HiFi-GAN และ GAN

HiFi-GAN เป็นตัวแปลงเสียงที่แปลงเมลสเปกโตรแกรมให้กลายเป็นรูปคลื่นเสียงดิบเกือบจะในทันที สร้างเสียงพูดคุณภาพระดับสตูดิโอได้ไกล...

2 นาทีอ่านอ่าน

เสียงเอไอ

การแปลงกราฟเป็นฟอนิม

การแปลงกราฟเป็นฟอนิม (G2P) จะแปลตัวอักษรที่เขียนเป็นเสียงที่ระบบเสียงพูดควรออกเสียงจริงๆ

2 นาทีอ่านอ่าน

เสียงเอไอ

การทำให้ข้อความเป็นมาตรฐานสำหรับคำพูด

การทำให้ข้อความเป็นมาตรฐานเป็นขั้นตอนส่วนหน้าที่เขียนข้อความดิบที่เขียนใหม่ให้เป็นคำพูดที่พูดออกมาทั้งหมดก่อนที่ระบบคำพูดจะพูด

2 นาทีอ่านอ่าน

เสียงเอไอ

SoundStream ตัวแปลงสัญญาณประสาท

SoundStream คือตัวแปลงสัญญาณเสียงแบบนิวรอลแบบครบวงจรของ Google ที่บีบอัดคำพูดและเพลงให้มีบิตเรตต่ำมากโดยยังคงคุณภาพไว้

2 นาทีอ่านอ่าน

อ่านจบหรือยัง?พิสูจน์สิ

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.

ทดสอบสิ่งที่คุณได้เรียนรู้รับการรับรอง บริจาค อ่านพันธกิจของเรา