01
人工智能基金会
了解什么是人工智能，系统如何学习，哪些地方失误，以及如何在不夸大的情况下判断主张。
免费人工智能库
音频人工智能 指南永远免费。
117 简明英语指南、结构化学习路径和开放图书馆——由独立的 501(c)(3) 非营利组织构建，以便任何人都可以理解现代人工智能。
117免费指南
1主题曲目
~2 min根据指南
~4h阅读时间
从这里开始
五 成果导向课程
每门课程都包含明确的成果、能力规划、实践活动和应用毕业设计。
02
负责任的人工智能用户
在保护隐私、核查输出和保持人类问责的同时，高效使用人工智能。
03
职场人工智能
评估工作场所用例，运行安全试点，衡量价值，负责任地沟通变更。
04
人工智能政策与社会
通过权利、公平、治理、安全和公共利益结果分析人工智能系统。
05
使用人工智能系统构建
通过实用的系统设计，理解语言模型、检索、代理、评估、成本和部署保障。
主题曲目
按曲目浏览
跳入您关心的领域。每条赛道都有多个简单的英文指南。
全库
所有指南
117 的 1019 显示指南。按曲目过滤或在上方搜索。
音频人工智能
Mimi 流媒体音频编解码器
Mimi 是一种神经音频编解码器，可将语音实时压缩为微小的离散标记流，因此 AI 模型可以以非常低的速度听和说……
音频人工智能听、听、拼写
Listen、Attend and Spell (LAS) 是 2015 年具有里程碑意义的神经网络，它可以将语音直接转录成字符，无需手工构建发音……
音频人工智能用于语音识别的 SpecAugment
SpecAugment 是一种简单但功能强大的数据增强方法，可以屏蔽和扭曲语音频谱图，使识别模型更加稳健。
音频人工智能音乐自动标记
音乐自动标记使用机器学习来听歌曲并自动附加描述性标签，例如流派、情绪、乐器和节奏。
音频人工智能音乐音色转移
音色转换重塑了音频的“音色”，使一种乐器听起来像另一种乐器，将哼唱的旋律变成小提琴或小号线......
音频人工智能声学场景分类
声学场景分类 (ASC) 训练机器识别录音的环境，繁忙的街道、安静的公园、火车、咖啡馆……
音频人工智能NVIDIA Riva 和 NeMo 语音
NVIDIA Riva 是一款用于生产语音 AI（ASR、TTS 和翻译）的 GPU 加速 SDK，而 NeMo 是用于训练和微调的开源工具包……
音频人工智能深度语音架构
DeepSpeech 是百度于 2014 年推出的一种端到端语音识别模型，它使用循环神经网络将原始音频特征直接映射到文本......
音频人工智能X 向量扬声器嵌入
X 向量是由神经网络生成的说话者声音的固定长度数字指纹，用于判断谁在说话，无论他们说什么。
音频人工智能Glow-TTS 单调对齐
Glow-TTS 是一种文本转语音模型，它可以使用巧妙的搜索技巧自行学习将文本与语音对齐，从而无需单独的对齐器。
音频人工智能并行 WaveGAN 声码器
Parallel WaveGAN 是一种快速神经声码器，它使用小型 GAN 将梅尔频谱图转换为原始音频波形，同时生成所有样本。
音频人工智能WaveGlow 基于流的声码器
WaveGlow 是 NVIDIA 的一款基于流的神经声码器，可一次性从梅尔频谱图合成语音波形，无需自回归。