01
人工智慧基礎
了解人工智慧是什麼、系統如何學習、失敗的地方以及如何在不炒作的情況下判斷主張。
免費人工智慧庫
音訊人工智慧 指南永遠免費。
117 簡明英語指南、結構化學習路徑和開放圖書館——由獨立的 501(c)(3) 非營利組織構建，以便任何人都可以理解現代人工智慧。
117免費指南
1主題曲目
~2 min根據指南
~4h閱讀時間
從這裡開始
五 基於結果的課程
每門課程都包括明確的成果、映射的能力、實踐活動和應用的頂點。
02
負責任的 AI 使用者
有效率地使用人工智慧，同時保護隱私、檢查輸出並維持人類責任。
03
職場人工智慧
評估工作場所用例、運行安全試點、衡量價值並負責任地傳達變更。
04
人工智慧政策與社會
透過權利、公平、治理、安全和公共利益結果來分析人工智慧系統。
05
使用 AI 系統建置
透過實務系統設計，了解語言模型、檢索、代理、評估、成本及部署保障。
主題曲目
按曲目瀏覽
跳入您關心的領域。每條賽道都有多個簡單的英文指南。
全庫
所有指南
117 的 1019 顯示指南。按曲目過濾或上方搜尋。
音訊人工智慧
翻唱歌曲識別
翻唱歌曲識別可以檢測兩個聽起來截然不同的錄音實際上是同一首歌曲——現場原聲版本、混音版…
音訊人工智慧DDSP 可微分音訊合成
DDSP（可微分數位訊號處理）將經典合成器建構塊與神經網路融合在一起，因此深度學習可以控制振盪器…
音訊人工智慧VITS 端對端語音合成
VITS 是一種文字轉語音模型，可在單一經過訓練的系統中將文字直接轉換為原始音訊波形，跳過通常的兩級管道。
音訊人工智慧FastSpeech 和非自回歸 TTS
FastSpeech 並行產生整個語頻譜圖，而不是一次產生一幀，從而使合成速度顯著更快、更穩定。
音訊人工智慧自然語音與潛在擴散 TTS
NaturalSpeech 是 Microsoft TTS 研究的一個系列，旨在實現人類水平的語音質量，後續版本使用潛在擴散來生成豐富、自然的…
音訊人工智慧語音情緒識別
語音情緒辨識 (SER) 是一種人工智慧，可以從說話者的聲音中偵測他們的情緒狀態——憤怒、快樂、悲傷、沮喪，而不僅僅是…
音訊人工智慧Moshi 全雙工語音
Moshi 是 Kyutai 的開源即時語音 AI，它可以同時說話和聆聽（全雙工），而不是嚴格輪流。
音訊人工智慧語音轉語音翻譯
語音轉語音翻譯 (S2ST) 獲取一種語言的口語單字並產生另一種語言的口語單字 - 理想地保留說話者的聲音、語氣…
音訊人工智慧HiFi-GAN 和 GAN 聲碼器
HiFi-GAN 是一種生成對抗式聲碼器，幾乎可以立即將梅爾頻譜圖轉換為原始音訊波形，從而產生錄音室品質的語音...
音訊人工智慧字素到音素的轉換
字素到音素 (G2P) 轉換將書面字母轉換為語音系統實際應發音的聲音。
音訊人工智慧語音文字規範化
文字規範化是在語音系統說出原始書面文字之前將其重寫為完全說出的單字的前端步驟。
音訊人工智慧SoundStream 神經編解碼器
SoundStream 是 Google 的端對端神經音訊編解碼器，可將語音和音樂壓縮到極低的位元率，同時保持品質。