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
Mimi 串流音訊編解碼器
Mimi 是一種神經音頻編解碼器，可將語音即時壓縮為微小的離散標記流，因此 AI 模型可以以非常低的速度聽和說…
音訊人工智慧聽、聽、拼寫
Listen、Attend and Spell (LAS) 是 2015 年具有里程碑意義的神經網絡，它可以將語音直接轉錄成字符，無需手工構建發音…
音訊人工智慧用於語音辨識的 SpecAugment
SpecAugment 是一種簡單但功能強大的資料增強方法，可屏蔽和扭曲語音頻譜圖，使辨識模型更加穩健。
音訊人工智慧音樂自動標記
音樂自動標記使用機器學習來聽歌曲並自動附加描述性標籤，例如流派、情緒、樂器和節奏。
音訊人工智慧音樂音色轉移
音色轉換重塑了音頻的“音色”，使一種樂器聽起來像另一種樂器，將哼唱的旋律變成小提琴或小號線......
音訊人工智慧聲學場景分類
聲學場景分類 (ASC) 訓練機器識別錄音的環境，繁忙的街道、安靜的公園、火車、咖啡館…
音訊人工智慧NVIDIA Riva 和 NeMo 語音
NVIDIA Riva 是一款用於生產語音 AI（ASR、TTS 和翻譯）的 GPU 加速 SDK，而 NeMo 是用於訓練和微調的開源工具包…
音訊人工智慧深度語音架構
DeepSpeech 是百度於 2014 年推出的端對端語音辨識模型，它使用循環神經網路將原始音訊特徵直接映射到文字...
音訊人工智慧X 向量揚聲器嵌入
X 向量是由神經網路產生的說話者聲音的固定長度數位指紋，用於判斷誰在說話，無論他們說什麼。
音訊人工智慧Glow-TTS 單調對齊
Glow-TTS 是一種文字轉語音模型，它可以使用巧妙的搜尋技巧自行學習將文字與語音對齊，從而無需單獨的對齊器。
音訊人工智慧並行 WaveGAN 聲碼器
Parallel WaveGAN 是一種快速神經聲碼器，它使用小型 GAN 將梅爾頻譜圖轉換為原始音訊波形，同時產生所有樣本。
音訊人工智慧WaveGlow 基於流的聲碼器
WaveGlow 是 NVIDIA 的一款基於串流的神經聲碼器，可一次從梅爾頻譜圖合成語音波形，無需自回歸。