從這裡開始
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。
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。
- 134 指南基礎知識核心概念:人工智慧如何在高層次上運作。探索
- 272 指南語言人工智慧LLM、NLP、ChatGPT、提示和文字理解。探索
- 298 指南視覺人工智慧影像生成、電腦視覺、視訊和設計。探索
- 188 指南音訊人工智慧語音、音樂、播客和音訊優先的人工智慧。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的設定檔。探索
- 761 指南應用領域人工智慧如何出現在編碼、搜尋、代理和日常生活中。探索
- 244 指南產業醫療保健、金融、教育、能源等領域的人工智慧。探索
- 536 指南科技晶片、微調、RAG、向量和人工智慧基礎設施。探索
- 422 指南社會偏見、隱私、版權、安全和人工智慧的未來。探索
全庫
音訊人工智慧
188 的 3000 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…2 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 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,發佈於 ICML 2021,它可以在一個網路中將文字直接轉換為音訊波形,而不是通常的兩階段…8 最小閱讀量閱讀
- 音訊人工智慧FastSpeech 和非自回歸 TTSFastSpeech 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。2 最小閱讀量閱讀
- 音訊人工智慧自然語音與潛在擴散 TTSMicrosoft Research 的 NaturalSpeech 論文探討了神經語音合成,包含編碼器潛在擴散與因子化語音表示。2 最小閱讀量閱讀
- 音訊人工智慧語音情緒識別Speech emotion recognition (SER) is the use of machine learning to estimate how a speaker sounds emotionally, such as angry, sad, happy or neutral…8 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 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...2 最小閱讀量閱讀
- 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。免費的簡單英語指南。2 最小閱讀量閱讀
- 音訊人工智慧語音文字規範化語音的文字規範化將書面標記重寫為口頭形式,例如擴展日期、金額和縮寫。免費的簡單英語指南。1 最小閱讀量閱讀
- 音訊人工智慧SoundStream 神經音訊編碼器SoundStream 是 Google Research 於 2021 年 7 月發表的神經音訊編解碼器,能以學習式編碼器壓縮語音、音樂與一般音訊…9 最小閱讀量閱讀