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

Mimi สตรีมมิ่งตัวแปลงสัญญาณเสียง

Mimi เป็นตัวแปลงสัญญาณเสียงแบบนิวรัลที่บีบอัดคำพูดเป็นสตรีมโทเค็นแยกส่วนเล็กๆ ในแบบเรียลไทม์ ดังนั้นโมเดล AI จึงสามารถฟังและพูดด้วยความถี่ที่ต่ำมาก...

2 นาทีอ่านอ่าน

เสียงเอไอ

ฟังเข้าร่วมและสะกด

Listen, Attend and Spell (LAS) คือโครงข่ายประสาทเทียมที่สำคัญในปี 2015 ที่ถอดเสียงคำพูดเป็นอักขระโดยตรง โดยไม่ต้องออกเสียงด้วยมือ...

2 นาทีอ่านอ่าน

เสียงเอไอ

SpecAugment สำหรับการรู้จำเสียง

SpecAugment เป็นวิธีการเพิ่มข้อมูลที่เรียบง่ายแต่ทรงพลัง ซึ่งปิดบังและบิดเบือนสเปกตรัมของเสียงพูด เพื่อทำให้โมเดลการรู้จำมีประสิทธิภาพมากขึ้น

2 นาทีอ่านอ่าน

เสียงเอไอ

การติดแท็กอัตโนมัติของเพลง

การแท็กอัตโนมัติของเพลงใช้การเรียนรู้ของเครื่องเพื่อฟังเพลงและแนบป้ายกำกับที่อธิบาย เช่น แนวเพลง อารมณ์ เครื่องดนตรี และจังหวะโดยอัตโนมัติ

2 นาทีอ่านอ่าน

เสียงเอไอ

การถ่ายโอนดนตรี Timbre

การถ่ายโอน Timbre จะปรับ 'โทนสี' ของเสียงใหม่ เพื่อให้เครื่องดนตรีชิ้นหนึ่งมีเสียงเหมือนอีกชิ้นหนึ่ง โดยเปลี่ยนทำนองฮัมเพลงให้เป็นไวโอลินหรือแนวทรัมเป็ต...

2 นาทีอ่านอ่าน

เสียงเอไอ

การจำแนกฉากอะคูสติก

การจำแนกฉากอะคูสติก (ASC) ฝึกเครื่องให้จดจำสภาพแวดล้อมในการบันทึก ถนนที่พลุกพล่าน สวนสาธารณะที่เงียบสงบ รถไฟ ร้านกาแฟ...

2 นาทีอ่านอ่าน

เสียงเอไอ

NVIDIA Riva และ NeMo คำพูด

NVIDIA Riva เป็น SDK ที่เร่งด้วย GPU สำหรับการผลิตคำพูด AI (ASR, TTS และการแปล) ในขณะที่ NeMo เป็นชุดเครื่องมือโอเพ่นซอร์สสำหรับการฝึกอบรมและการปรับแต่ง...

2 นาทีอ่านอ่าน

เสียงเอไอ

สถาปัตยกรรม DeepSpeech

DeepSpeech คือโมเดลการรู้จำคำพูดแบบ end-to-end ที่เปิดตัวโดย Baidu ในปี 2014 ซึ่งจับคู่คุณสมบัติเสียงดิบกับข้อความโดยตรงโดยใช้ระบบประสาทที่เกิดซ้ำ

2 นาทีอ่านอ่าน

เสียงเอไอ

การฝังลำโพง X-Vector

เวกเตอร์ X คือลายนิ้วมือตัวเลขที่มีความยาวคงที่ของเสียงของผู้พูดที่ผลิตโดยโครงข่ายประสาทเทียม ซึ่งใช้เพื่อบอกว่าใครกำลังพูดไม่ว่าพวกเขาจะพูดอะไรก็ตาม

2 นาทีอ่านอ่าน

เสียงเอไอ

การจัดตำแหน่ง Monotonic เรืองแสง-TTS

Glow-TTS คือโมเดลการอ่านออกเสียงข้อความที่เรียนรู้ที่จะจัดข้อความเป็นคำพูดด้วยตัวเองโดยใช้เคล็ดลับการค้นหาที่ชาญฉลาด โดยไม่จำเป็นต้องใช้เครื่องมือจัดตำแหน่งแยกต่างหาก

2 นาทีอ่านอ่าน

เสียงเอไอ

ตัวเข้ารหัส WaveGAN แบบขนาน

Parallel WaveGAN เป็นตัวแปลงเสียงแบบนิวรอลที่รวดเร็ว ซึ่งเปลี่ยนเมลสเปกโตรแกรมให้กลายเป็นรูปคลื่นเสียงดิบโดยใช้ GAN ขนาดเล็ก เพื่อสร้างตัวอย่างทั้งหมดในคราวเดียว

2 นาทีอ่านอ่าน

เสียงเอไอ

Vocoder ที่ใช้ WaveGlow Flow

WaveGlow คือเครื่องแปลงเสียงแบบนิวรัลแบบโฟลว์จาก NVIDIA ที่สังเคราะห์รูปคลื่นคำพูดจากเมลสเปกโตรแกรมในการส่งผ่านครั้งเดียวโดยไม่มีการถดถอยอัตโนมัติ

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