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Mimi 串流音訊編解碼器Mimi 是 Kyutai 用於 Moshi 的神經音訊編解碼器。它將 24 kHz 的音訊轉換為 12 的離散表示。2 最小閱讀量閱讀
- 音訊人工智慧聽、聽、拼寫Listen, Attend and Spell (LAS) 是一個 2015 年推出的端對端語音辨識模型,它將聲學濾波器組特徵映射到字元序列。2 最小閱讀量閱讀
- 音訊人工智慧用於語音辨識的 SpecAugmentSpecAugment 是一種直接應用於網路特徵輸入的語音辨識訓練增強技術。免費白話指南。2 最小閱讀量閱讀
- 音訊人工智慧音樂自動標記音樂自動標記可從音訊中預測描述性標籤,例如類型、情緒和樂器編制。免費的白話文指南。2 最小閱讀量閱讀
- 音訊人工智慧音樂音色轉移音樂音色轉移會改變錄音的音質,使其聽起來像不同的樂器或人聲,同時保留原始的音高和節奏……9 最小閱讀量閱讀
- 音訊人工智慧聲學場景分類聲學場景分類(ASC)是識別錄音來源場所或情境的任務,例如公車、公園或繁忙的街道……9 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 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...2 最小閱讀量閱讀
- 音訊人工智慧X 向量揚聲器嵌入x-vector 是一個固定長度的數字列表,由神經網路從一段語音中提取,用以總結說話者身份,而不受所說內容的影響。8 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀